Fugu-MT 論文翻訳(概要): Stable discovery of interpretable subgroups via calibration in causal studies

論文の概要: Stable discovery of interpretable subgroups via calibration in causal studies

arxiv url: http://arxiv.org/abs/2008.10109v2
Date: Tue, 29 Sep 2020 02:55:05 GMT
ステータス: 処理完了
システム内更新日: 2022-10-26 03:19:47.352390
Title: Stable discovery of interpretable subgroups via calibration in causal studies
Title（参考訳）: 因果研究におけるキャリブレーションによる解釈可能なサブグループの安定な発見
Authors: Raaz Dwivedi, Yan Shuo Tan, Briton Park, Mian Wei, Kevin Horgan, David Madigan, Bin Yu
Abstract要約: そこで我々は StaDISC を経由した, 安定な解釈可能なサブグループの発見のための新しい手法を提案する。 StaDISCは、1999-2000年のVIGOR研究の再分析において、8076人のランダム化対照試験(RCT)で開発された。 Naproxenと比較すると、Voxxは消化管(GI)イベントのリスクを減少させるが、血栓性心血管(CVT)イベントのリスクを増大させる。
参考スコア（独自算出の注目度）: 8.434558912796012
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Building on Yu and Kumbier's PCS framework and for randomized experiments, we introduce a novel methodology for Stable Discovery of Interpretable Subgroups via Calibration (StaDISC), with large heterogeneous treatment effects. StaDISC was developed during our re-analysis of the 1999-2000 VIGOR study, an 8076 patient randomized controlled trial (RCT), that compared the risk of adverse events from a then newly approved drug, Rofecoxib (Vioxx), to that from an older drug Naproxen. Vioxx was found to, on average and in comparison to Naproxen, reduce the risk of gastrointestinal (GI) events but increase the risk of thrombotic cardiovascular (CVT) events. Applying StaDISC, we fit 18 popular conditional average treatment effect (CATE) estimators for both outcomes and use calibration to demonstrate their poor global performance. However, they are locally well-calibrated and stable, enabling the identification of patient groups with larger than (estimated) average treatment effects. In fact, StaDISC discovers three clinically interpretable subgroups each for the GI outcome (totaling 29.4% of the study size) and the CVT outcome (totaling 11.0%). Complementary analyses of the found subgroups using the 2001-2004 APPROVe study, a separate independently conducted RCT with 2587 patients, provides further supporting evidence for the promise of StaDISC.
Abstract（参考訳）: Yu と Kumbier の PCS フレームワークとランダムな実験のために,キャリブレーション (StaDISC) による解釈可能なサブグループの安定発見のための新しい手法を提案する。 stadiscは1999-2000年の vigor study の再分析中に開発され、当時承認されていたロフェコキシブ (vioxx) と古い薬物であるnaproxen (naproxen) との副作用のリスクを比較した 8076 人のランダム化対照試験 (rct) を行った。 vioxxは平均的かつnaproxenと比較して、消化管(gi)イベントのリスクは減少するが、血栓性心血管障害(cvt)のリスクは増加することが判明した。 stadiscを適用した結果,18の一般的な条件平均治療効果(cate)推定器を両結果に適合させ,キャリブレーションを用いてグローバルパフォーマンスの低さを示す。しかし、それらは局所的によく校正され安定しており、(推定)平均治療効果よりも大きい患者群を識別することができる。実際、StaDISCは、GI結果(研究サイズの29.4%)とCVT結果(11.0%)の3つの臨床的解釈可能なサブグループを発見した。 2001-2004年の承認研究は、2587人の患者を別々に実施したrctであり、stadiscの約束を裏付ける証拠となっている。

関連論文リスト

Testing Causal Explanations: A Case Study for Understanding the Effect of Interventions on Chronic Kidney Disease [1.2449538970962482]
我々は大規模な電子健康記録データセットを用いた方法論を開発した。回帰不連続性の原理は、専門家主導の介入をテストするためにランダム化されたデータサブセットを導出するために用いられた。この方法論は、実際のEHRデータを用いて、人口レベルの洞察を提供し、医療提供の改善を知らせる方法を示している。
論文参考訳（メタデータ） (2024-10-15T20:34:36Z)
Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文参考訳（メタデータ） (2024-04-26T16:39:50Z)
Improving Fairness of Automated Chest X-ray Diagnosis by Contrastive Learning [19.948079693716075]
提案するAIモデルは、教師付きコントラスト学習を利用して、CXR診断におけるバイアスを最小限にする。 77,887個のCXR画像を用いたMIDRCデータセットと,112,120個のCXR画像を用いたNIH Chest X-rayデータセットの2つのデータセットについて評価を行った。
論文参考訳（メタデータ） (2024-01-25T20:03:57Z)
Automated Assessment of Critical View of Safety in Laparoscopic Cholecystectomy [51.240181118593114]
胆嚢摘出術(胆嚢摘出術)は米国で最も一般的な手術の一つで、年間1.2万回以上の手術が施行されている。 LCは胆管損傷(BDI)の増加と関連しており、致死率と死亡率が高い。本稿では,LCにおける安全性評価(CVS)の自動化を目的とした深層学習手法を提案する。
論文参考訳（メタデータ） (2023-09-13T22:01:36Z)
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)
Causal Discovery on the Effect of Antipsychotic Drugs on Delirium Patients in the ICU using Large EHR Dataset [1.278093617645299]
集中治療室(ICU)の約80%の症例でデリリウムが発生するデリリウムにはバイオマーカーによる診断がなく、一般的に抗精神病薬(APD)で治療されている。複数の研究が、デリリウム治療におけるAPDの有効性や安全性について論争を呼んでいる。
論文参考訳（メタデータ） (2022-04-28T21:43:02Z)
Machine Learning for Real-World Evidence Analysis of COVID-19 Pharmacotherapy [0.0]
臨床から生成された実世界のデータは、新型コロナウイルスの薬物療法の実際の証拠を分析するために使用できる。機械学習(ML)メソッドが使われており、精密医療のための有望なツールである。本研究では,スペインバレンシア州における新型コロナウイルスの入院に対する治療法の有効性を検討するために,ML法を適用した。
論文参考訳（メタデータ） (2021-07-19T16:28:54Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
COVID-Net S: Towards computer-aided severity assessment via training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
論文参考訳（メタデータ） (2020-05-26T16:33:52Z)
Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文参考訳（メタデータ） (2020-05-07T12:16:37Z)
Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。