論文の概要: Causal Rule Ensemble: Interpretable Discovery and Inference of Heterogeneous Treatment Effects

• arxiv url: http://arxiv.org/abs/2009.09036v5
• Date: Fri, 30 Jun 2023 16:05:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-03 16:20:12.721927
• Title: Causal Rule Ensemble: Interpretable Discovery and Inference of Heterogeneous Treatment Effects
• Title（参考訳）: 因果規則:不均一な治療効果の解釈的発見と推論
• Authors: Falco J. Bargagli-Stoffi and Riccardo Cadei and Kwonsang Lee and Francesca Dominici
• Abstract要約: Causal Rule Ensemble (CRE)は、ツリーのアンサンブルによるHTEの発見と推定のための新しい手法である。 CREには、1)HTEの解釈可能な表現、2)複雑な不均一パターンを探索する能力、3)サブグループの発見における高い安定性など、いくつかの重要な特徴がある。 我々は、米国全土の3530万人の医療受給者の死亡に対する大気汚染による不均一な健康影響を発見するためにCREを適用した。
• 参考スコア（独自算出の注目度）: 1.5675763601034223
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In health and social sciences, it is critically important to identify subgroups of the study population where there is notable heterogeneity of treatment effects (HTE) with respect to the population average. Decision trees have been proposed and commonly adopted for data-driven discovery of HTE due to their high level of interpretability. However, single-tree discovery of HTE can be unstable and oversimplified. This paper introduces Causal Rule Ensemble (CRE), a new method for HTE discovery and estimation through an ensemble-of-trees approach. CRE offers several key features, including 1) an interpretable representation of the HTE; 2) the ability to explore complex heterogeneity patterns; and 3) high stability in subgroups discovery. The discovered subgroups are defined in terms of interpretable decision rules. Estimation of subgroup-specific causal effects is performed via a two-stage approach for which we provide theoretical guarantees. Via simulations, we show that the CRE method is highly competitive when compared to state-of-the-art techniques. Finally, we apply CRE to discover the heterogeneous health effects of exposure to air pollution on mortality for 35.3 million Medicare beneficiaries across the contiguous U.S.
• Abstract（参考訳）: 健康・社会科学においては、集団平均に対する治療効果(HTE)の顕著な均一性が存在する研究集団のサブグループを特定することが重要である。 決定木は高い解釈性のため,データ駆動によるHTE発見に広く採用されている。 しかし、単一木によるHTEの発見は不安定であり、過剰に単純化される。 本稿では,木組アプローチによるHTE発見と推定のための新しい手法であるCausal Rule Ensemble (CRE)を紹介する。 CREにはいくつかの重要な機能がある。 1) HTEの解釈可能な表現 2)複雑不均一パターンを探索する能力,及び 3) サブグループ発見の安定性が高い。 発見された部分群は解釈可能な決定規則によって定義される。 理論的保証を提供する2段階アプローチを用いて,サブグループ特異的因果効果の推定を行う。 シミュレーションにより,cre手法は最先端技術と比較して高い競合性を示す。 最後に,米国中の353万人のメディケア受益者の死亡率に対する大気汚染曝露による異質な健康影響の発見にcreを応用した。

関連論文リスト

• Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
  我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。 我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。 我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
  論文  参考訳（メタデータ） (2024-11-10T16:40:27Z)
• Identifying latent disease factors differently expressed in patient subgroups using group factor analysis [54.67330718129736]
  本稿では,サブグループ特異的およびサブグループ共通潜在因子を明らかにするための新しいアプローチを提案する。 提案手法は,正規化されたホースシュー先行群を用いたスパース群因子解析 (GFA) であり,確率計画法を用いて実装した。
  論文  参考訳（メタデータ） (2024-10-10T13:12:14Z)
• Causal K-Means Clustering [5.087519744951637]
  Causal k-Means Clusteringは、広く使われているk-means Clusteringアルゴリズムを利用して、未知の部分群構造を明らかにする。 既成のアルゴリズムを用いて簡易かつ容易に実装可能なプラグイン推定器を提案する。 提案手法は,複数の治療レベルを有する近代的な結果研究に特に有用である。
  論文  参考訳（メタデータ） (2024-05-05T23:59:51Z)
• DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
  遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。 既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。 本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
  論文  参考訳（メタデータ） (2023-02-08T16:36:40Z)
• Augmented Learning of Heterogeneous Treatment Effects via Gradient Boosting Trees [0.2320417845168326]
  異種治療効果(HTE)を推定するための2段階統計学習手法を提案する。 第1段階は、結果に基づいてベースラインマーカーの主効果等価性を推定し、その後、HTEの第二段階推定において拡張項として使用される。 HTEの証拠を世界規模で評価するための置換試験が提案されている。
  論文  参考訳（メタデータ） (2023-02-02T19:10:04Z)
• Identifying Heterogeneous Treatment Effects in Multiple Outcomes using Joint Confidence Intervals [5.3410655248484]
  不均一治療効果(HTEs)はランダム化対照試験(RCTs)において一般的に同定される 共同CIに基づいて,複数の結果にまたがるサブグループを同定する枠組みを提案する。 我々は,2つの結果が存在する合成データと半合成データを用いて本アルゴリズムを検証し,両結果が同時にHTEを捕捉できることを実証した。
  論文  参考訳（メタデータ） (2022-12-02T20:43:47Z)
• BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
  BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。 BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
  論文  参考訳（メタデータ） (2022-06-03T16:25:48Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• Modelling Heterogeneity Using Bayesian Structured Sparsity [0.0]
  観察間で異なる変数の効果を推定する方法は、政治科学において重要な問題です。 本稿では,複雑な現象(同様の現象を離散群に展開する観測)を回帰分析に組み込む共通の方法を提案する。
  論文  参考訳（メタデータ） (2021-03-29T19:54:25Z)
• Robust Recursive Partitioning for Heterogeneous Treatment Effects with Uncertainty Quantification [84.53697297858146]
  治療効果のサブグループ分析は、医療から公共政策、レコメンデーターシステムへの応用において重要な役割を担っている。 サブグループ分析の現在の手法のほとんどは、個別化処理効果(ITE)を推定するための特定のアルゴリズムから始まる。 本稿では、これらの弱点に対処する新しい部分群解析法R2Pを開発する。
  論文  参考訳（メタデータ） (2020-06-14T14:50:02Z)
• Pursuing Sources of Heterogeneity in Modeling Clustered Population [16.936362485508774]
  不均一な追従と特徴選択を同時に達成するために、正規化有限混合効果回帰を提案する。 これらの効果の制約付きスパース推定は、共通の効果を持つ変数と不均一な効果を持つ変数の両方を同定する。 アルツハイマー病の遺伝的要因と脳の特徴を関連付けるための画像遺伝学研究、青年期における自殺リスクと学区の特徴との関係を探る公衆衛生学研究、野球選手の給与水準がパフォーマンスと契約状態とどのように関連しているかを理解するためのスポーツ分析研究の3つの応用が提示されている。
  論文  参考訳（メタデータ） (2020-03-10T14:59:35Z)

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。