Fugu-MT 論文翻訳(概要): Estimation of Causal Effects in the Presence of Unobserved Confounding in the Alzheimer's Continuum

論文の概要: Estimation of Causal Effects in the Presence of Unobserved Confounding in the Alzheimer's Continuum

arxiv url: http://arxiv.org/abs/2006.13135v4
Date: Sun, 20 Jun 2021 08:42:25 GMT
ステータス: 処理完了
システム内更新日: 2022-11-18 00:01:54.111953
Title: Estimation of Causal Effects in the Presence of Unobserved Confounding in the Alzheimer's Continuum
Title（参考訳）: アルツハイマー連続体における未観測コンバウンディングの存在による因果効果の推定
Authors: Sebastian P\"olsterl, Christian Wachinger
Abstract要約: アルツハイマー病の病因と効果に関する現在の臨床知識から因果グラフを導出する。因果効果の識別可能性を示すためには,すべての共同創設者の認識と測定が必要である。理論的解析では,代用共同設立者が神経解剖学の認知に対する因果的影響を識別できることが証明された。
参考スコア（独自算出の注目度）: 3.2489082010225494
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Studying the relationship between neuroanatomy and cognitive decline due to Alzheimer's has been a major research focus in the last decade. However, to infer cause-effect relationships rather than simple associations from observational data, we need to (i) express the causal relationships leading to cognitive decline in a graphical model, and (ii) ensure the causal effect of interest is identifiable from the collected data. We derive a causal graph from the current clinical knowledge on cause and effect in the Alzheimer's disease continuum, and show that identifiability of the causal effect requires all confounders to be known and measured. However, in complex neuroimaging studies, we neither know all potential confounders nor do we have data on them. To alleviate this requirement, we leverage the dependencies among multiple causes by deriving a substitute confounder via a probabilistic latent factor model. In our theoretical analysis, we prove that using the substitute confounder enables identifiability of the causal effect of neuroanatomy on cognition. We quantitatively evaluate the effectiveness of our approach on semi-synthetic data, where we know the true causal effects, and illustrate its use on real data on the Alzheimer's disease continuum, where it reveals important causes that otherwise would have been missed.
Abstract（参考訳）: アルツハイマー病による神経解剖学と認知低下の関係についての研究は、ここ10年で大きな研究課題となっている。しかし、観測データから単純な関連よりも因果関係を推測するには、 (i)図形モデルにおける認知的低下につながる因果関係を表現し、 (ii)収集したデータから利害の因果効果が特定可能であることを保証する。アルツハイマー病連続体における原因と効果に関する現在の臨床知識から因果グラフを導出し,因果効果の同定にはすべての共同創設者を把握・測定する必要があることを示した。しかし、複雑な神経画像研究では、すべての潜在的な共同創設者を知らないし、データも持っていない。この要件を緩和するために、代替共同創設者を確率的潜在因子モデルを通じて導出することにより、複数の原因間の依存関係を活用する。理論解析では, 代替共著者を用いることで, 神経解剖学が認知に与える影響を同定できることを実証する。半合成データにおけるアプローチの有効性を定量的に評価し、真の因果効果を把握し、アルツハイマー病連続体における実際のデータにその使用法を説明している。

関連論文リスト

Identifiable Latent Polynomial Causal Models Through the Lens of Change [85.67870425656368]
因果表現学習は、観測された低レベルデータから潜在的な高レベル因果表現を明らかにすることを目的としている。主な課題の1つは、識別可能性(identifiability)として知られるこれらの潜伏因果モデルを特定する信頼性の高い保証を提供することである。
論文参考訳（メタデータ） (2023-10-24T07:46:10Z)
The Impact of Missing Data on Causal Discovery: A Multicentric Clinical Study [1.173358409934101]
子宮内膜癌に対する多施設共同研究から得られたデータを用いて,検索した因果グラフに異なる欠損機構が与える影響を解析した。専門医による回復グラフの検証を行い,本手法が臨床関連ソリューションを見いだすことを示す。
論文参考訳（メタデータ） (2023-05-17T08:46:30Z)
DOMINO: Visual Causal Reasoning with Time-Dependent Phenomena [59.291745595756346]
本研究では,時間遅延のウィンドウに関連する因果関係の発見に人間が参加できる視覚分析手法を提案する。具体的には、論理に基づく因果関係の確立した手法を活用し、分析者が潜在的な原因の重要性を検証できるようにする。効果は他の効果の原因となりうるので,本手法で検出した時間的要因と効果の関係を視覚フロー図にまとめることができる。
論文参考訳（メタデータ） (2023-03-12T03:40:21Z)
Learning interpretable causal networks from very large datasets, application to 400,000 medical records of breast cancer patients [1.2647816797166165]
我々は,汎用的な相互情報最高原理に基づく,より信頼性が高くスケーラブルな因果探索法(iMIIC)を報告する。乳がん患者396,179名を対象に,iMIICの医療データと実生医療データについて紹介した。
論文参考訳（メタデータ） (2023-03-11T15:18:19Z)
On Learning Necessary and Sufficient Causal Graphs [29.339455706346193]
実際には、グラフ内の変数の小さな部分集合のみが関心の結果に関係している。本稿では,目的達成のための因果関係変数のみを含む,必要かつ十分な因果グラフ(NSCG)のクラスを学習することを提案する。因果関係の確率と特徴の自然因果関係の理論的性質を確立することにより,必要な因果構造学習(NSCSL)アルゴリズムを開発した。
論文参考訳（メタデータ） (2023-01-29T08:19:15Z)
Evaluation of Induced Expert Knowledge in Causal Structure Learning by NOTEARS [1.5469452301122175]
非パラメトリックNOTEARSモデルの定式化に使用される追加制約の形で、専門家の知識が因果関係に与える影響について検討する。その結果, (i) NOTEARSモデルの誤りを正す知識は, 統計的に有意な改善をもたらすこと, (ii) アクティブエッジに対する制約は, 非アクティブエッジよりも因果発見に肯定的な影響を与えること, (iii) 意外なことに, (iii) 誘導された知識は, 平均的な不正確なアクティブエッジおよび/または非アクティブエッジに対して予想以上に正確でないことが判明した。
論文参考訳（メタデータ） (2023-01-04T20:39:39Z)
On How AI Needs to Change to Advance the Science of Drug Discovery [0.0]
因果因果因果因因果因因果因因因果因因果因果因果因因果因果因果因因果因因果因因果因因果因因果因果因因因果因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因本稿では,因果的薬物発見を因果的推論における薬物発見の過程を基盤としたモデル作成の手法として提示する。
論文参考訳（メタデータ） (2022-12-23T19:35:51Z)
CausalDialogue: Modeling Utterance-level Causality in Conversations [83.03604651485327]
クラウドソーシングを通じて、CausalDialogueという新しいデータセットをコンパイルし、拡張しました。このデータセットは、有向非巡回グラフ(DAG)構造内に複数の因果効果対を含む。ニューラル会話モデルの訓練における発話レベルにおける因果性の影響を高めるために,Exponential Average Treatment Effect (ExMATE) と呼ばれる因果性強化手法を提案する。
論文参考訳（メタデータ） (2022-12-20T18:31:50Z)
Active Bayesian Causal Inference [72.70593653185078]
因果発見と推論を統合するための完全ベイズ能動学習フレームワークであるアクティブベイズ因果推論(ABCI)を提案する。 ABCIは因果関係のモデルと関心のクエリを共同で推論する。我々のアプローチは、完全な因果グラフの学習のみに焦点を当てた、いくつかのベースラインよりも、よりデータ効率が高いことを示す。
論文参考訳（メタデータ） (2022-06-04T22:38:57Z)
Why Interpretable Causal Inference is Important for High-Stakes Decision Making for Critically Ill Patients and How To Do It [80.24494623756839]
重症心身障害患者に対する因果関係評価のための枠組みを提案する。この枠組みは、脳の発作やその他の潜在的に有害な電気的事象が結果に与える影響に適用する。
論文参考訳（メタデータ） (2022-03-09T18:03:35Z)
ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。 Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
論文参考訳（メタデータ） (2021-03-26T02:42:38Z)

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。