論文の概要: Enabling Counterfactual Survival Analysis with Balanced Representations

• arxiv url: http://arxiv.org/abs/2006.07756v2
• Date: Wed, 3 Mar 2021 16:32:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 09:52:23.285490
• Title: Enabling Counterfactual Survival Analysis with Balanced Representations
• Title（参考訳）: バランス表現を用いた非現実的生存分析の提案
• Authors: Paidamoyo Chapfuwa, Serge Assaad, Shuxi Zeng, Michael J. Pencina, Lawrence Carin, Ricardo Henao
• Abstract要約: 生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 64.17342727357618
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Balanced representation learning methods have been applied successfully to counterfactual inference from observational data. However, approaches that account for survival outcomes are relatively limited. Survival data are frequently encountered across diverse medical applications, i.e., drug development, risk profiling, and clinical trials, and such data are also relevant in fields like manufacturing (e.g., for equipment monitoring). When the outcome of interest is a time-to-event, special precautions for handling censored events need to be taken, as ignoring censored outcomes may lead to biased estimates. We propose a theoretically grounded unified framework for counterfactual inference applicable to survival outcomes. Further, we formulate a nonparametric hazard ratio metric for evaluating average and individualized treatment effects. Experimental results on real-world and semi-synthetic datasets, the latter of which we introduce, demonstrate that the proposed approach significantly outperforms competitive alternatives in both survival-outcome prediction and treatment-effect estimation.
• Abstract（参考訳）: 平衡表現学習法は観測データからの反事実推定に成功している。 しかし、生存率を評価するアプローチは比較的限られている。 生存データは、医薬品開発、リスクプロファイリング、臨床試験など、様々な医療用途にまたがって頻繁に遭遇し、このようなデータは製造(例えば、機器監視)などの分野にも関係している。 利害関係の成果が時間的な問題である場合には、検閲された結果を無視した予測がバイアスとなる可能性があるため、検閲されたイベントを扱うための特別な予防措置を取る必要がある。 生存結果に適用可能な反事実推論のための理論的根拠付き統一フレームワークを提案する。 さらに、平均および個別化処理効果を評価するために、非パラメトリックハザード比を定式化する。 実世界のデータセットと半合成データセットの実験結果から,提案手法は生存率予測と治療効果推定の両方において競争上の優位性を大きく上回ることを示した。

関連論文リスト

• Estimating Individual Dose-Response Curves under Unobserved Confounders from Observational Data [6.166869525631879]
  本稿では,連続治療の因果効果を推定するための新しいフレームワークであるContiVAEについて述べる。 ContiVAEは既存の手法を最大62%上回り、その堅牢性と柔軟性を示す。
  論文  参考訳（メタデータ） (2024-10-21T07:24:26Z)
• A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
  実験と観測を組み合わせた二重機械学習手法を提案する。 我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
  論文  参考訳（メタデータ） (2023-07-04T02:53:11Z)
• Recovering Sparse and Interpretable Subgroups with Heterogeneous Treatment Effects with Censored Time-to-Event Outcomes [14.928328404160299]
  本研究では,スパース表現群(またはサブタイプ)の回復に対する統計的アプローチを提案する。 そこで本研究では, 循環器系医療における重要な臨床研究において, スパース表現型を回収するための新しい推論手法を提案し, その有効性を示した。
  論文  参考訳（メタデータ） (2023-02-24T08:10:23Z)
• SurvCaus : Representation Balancing for Survival Causal Inference [3.4161707164978137]
  多くの病理学では、関心の結果は(おそらく検閲された)生存時間である。 本稿では,生存環境における現実的推論に適用可能な表現バランスフレームワークの理論的保証を提案する。
  論文  参考訳（メタデータ） (2022-03-29T15:33:55Z)
• SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event Data [83.50281440043241]
  時系列データから不均一な処理効果を推定する問題について検討する。 本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-10-26T20:13:17Z)
• Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
  そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。 我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。 このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
  論文  参考訳（メタデータ） (2020-10-15T16:39:26Z)
• A standardized framework for risk-based assessment of treatment effect heterogeneity in observational healthcare databases [60.07352590494571]
  本研究の目的は,この手法を標準化されたスケーラブルなフレームワークを用いて観測環境に拡張することであった。 アンジオテンシン変換酵素阻害薬(ACE)とβ阻害薬の3つの効果と6つの安全性に対する効果を評価することにより,我々の枠組みを実証する。
  論文  参考訳（メタデータ） (2020-10-13T14:48:31Z)
• Conformal Inference of Counterfactuals and Individual Treatment Effects [6.810856082577402]
  そこで本研究では,反ファクトや個々の治療効果について,信頼できる間隔を推定できる共形推論に基づく手法を提案する。 既存の手法は、単純なモデルであってもかなりのカバレッジの欠陥に悩まされる。
  論文  参考訳（メタデータ） (2020-06-11T01:03:32Z)
• Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
  代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。 我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。 これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
  論文  参考訳（メタデータ） (2020-01-21T10:16:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。