論文の概要: A standardized framework for risk-based assessment of treatment effect
heterogeneity in observational healthcare databases
- arxiv url: http://arxiv.org/abs/2010.06430v2
- Date: Fri, 1 Jul 2022 12:29:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 00:22:02.468465
- Title: A standardized framework for risk-based assessment of treatment effect
heterogeneity in observational healthcare databases
- Title（参考訳）: 医療データベースにおけるリスクベース治療効果の不均一性評価のための標準化枠組み
- Authors: Alexandros Rekkas, David van Klaveren, Patrick B. Ryan, Ewout W.
Steyerberg, David M. Kent, Peter R. Rijnbeek
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 60.07352590494571
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Predictive Approaches to Treatment Effect Heterogeneity statement focused
on baseline risk as a robust predictor of treatment effect and provided
guidance on risk-based assessment of treatment effect heterogeneity in the RCT
setting. The aim of this study was to extend this approach to the observational
setting using a standardized scalable framework. The proposed framework
consists of five steps: 1) definition of the research aim, i.e., the
population, the treatment, the comparator and the outcome(s) of interest; 2)
identification of relevant databases; 3) development of a prediction model for
the outcome(s) of interest; 4) estimation of relative and absolute treatment
effect within strata of predicted risk, after adjusting for observed
confounding; 5) presentation of the results. We demonstrate our framework by
evaluating heterogeneity of the effect of angiotensin-converting enzyme (ACE)
inhibitors versus beta blockers on three efficacy and six safety outcomes
across three observational databases. The proposed framework can supplement any
comparative effectiveness study. We provide a publicly available R software
package for applying this framework to any database mapped to the Observational
Medical Outcomes Partnership Common Data Model. In our demonstration, patients
at low risk of acute myocardial infarction received negligible absolute
benefits for all three efficacy outcomes, though they were more pronounced in
the highest risk quarter, especially for hospitalization with heart failure.
However, failing diagnostics showed evidence of residual imbalances even after
adjustment for observed confounding. Our framework allows for the evaluation of
differential treatment effects across risk strata, which offers the opportunity
to consider the benefit-harm trade-off between alternative treatments.
- Abstract（参考訳）: 治療効果のロバストな予測因子としてのベースラインリスクに着目した治療効果不均質性の予測手法とrct設定における治療効果不均質性のリスクに基づく評価指針を提供した。
本研究の目的は,このアプローチ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。
提案するフレームワークは5つのステップから構成される。
1) 研究の目的,すなわち,人口,治療,比較者及び成果の定義
2 関連データベースの識別
3 利害関係の結果を予測するための予測モデルの開発
4) 予測リスクの層内における相対的及び絶対的治療効果の予測
5)結果の提示。
アンジオテンシン変換酵素(ACE)阻害剤とβ阻害薬の3つの効果と3つの観測データベースに対する安全性効果の均一性を評価することにより,我々の枠組みを実証する。
提案フレームワークは, 比較有効性研究を補完することができる。
我々は、このフレームワークを観測医療成果パートナーシップ共通データモデルにマッピングされたデータベースに適用するための公開Rソフトウェアパッケージを提供する。
本例では, 急性心筋梗塞のリスクが低い患者は, 3つの効果のすべてに対して絶対的利益が認められなかったが, 特に心不全の入院では, 高いリスククォーターで顕著であった。
しかし, 診断に失敗すると, 観察所見の調整後の残差がみられた。
本枠組みは, リスク層間における異なる治療効果の評価を可能にし, 代替治療法間の利益ハームトレードオフを検討する機会を提供する。
関連論文リスト
- Causal Inference under Data Restrictions [0.0]
この論文は、不確実性とデータ制限の下での現代の因果推論に焦点を当てている。
これには、ネオアジュバント臨床試験、分散データネットワーク、堅牢な個別化意思決定へのアプリケーションが含まれる。
論文 参考訳（メタデータ） (2023-01-20T20:14:32Z) - Treatment Effect Risk: Bounds and Inference [58.442274475425144]
平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。
本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。
いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
論文 参考訳（メタデータ） (2022-01-15T17:21:26Z) - 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) - Estimating heterogeneous survival treatment effect in observational data
using machine learning [9.951103976634407]
観測データにおける不均一な処理効果を推定する方法は, 連続的あるいは二分的な結果に大きく焦点を絞っている。
対物的フレームワークで柔軟な機械学習手法を使用することは、複雑な個人特性による課題に対処するための有望なアプローチである。
論文 参考訳（メタデータ） (2020-08-17T01:02:14Z) - Individual Treatment Prescription Effect Estimation in a Low Compliance
Setting [11.672067762133299]
個別処理効果推定は、様々な領域で応用される広範囲に研究されている問題である。
我々は,信号の消失を防止するために,観測されたコンプライアンス情報を活用するIPE推定のための新しい手法を提案する。
私たちは、低コンプライアンス設定における最先端性を一貫して改善するアプローチのメリットを強調する、合成データセットと実世界のデータセットの両方で実験を行います。
論文 参考訳（メタデータ） (2020-08-07T15:53:00Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
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。
論文 参考訳（メタデータ） (2020-06-14T01:15:00Z) - Learning Decomposed Representation for Counterfactual Inference [53.36586760485262]
観察データから治療効果を推定する際の根本的な問題は、共同設立者の識別とバランスである。
これまでの方法の多くは、観察されたすべての事前処理変数を共同創設者として扱い、共同創設者と非共同創設者の識別をさらに無視することで、共同ファウンダーのバランスを実現していた。
本研究では,1)共同創設者と非共同創設者の両方の表現を学習することで共同創設者を同定し,2)再重み付け手法のバランスをとるとともに,同時に,反実的推論による観察研究における治療効果を推定する相乗的学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-12T09:50:42Z) - Survival Analysis Using a 5-Step Stratified Testing and Amalgamation
Routine in Randomized Clinical Trials [0.0]
患者の不均一性の増加は、治療の違いを検出する共通の統計的アプローチの能力を弱める可能性がある。
どちらの治療でも生存を予測できない可能性を持つ塩基性共変体のリストは、事前に特定されている。
条件推論木アルゴリズムを用いて、異種臨床試験集団を予後同種患者のサブ集団に分割する。
提案した5段階の階層化テストとアマルガメーションルーチン(5-STAR)の高消費電力化性能について述べる。
論文 参考訳（メタデータ） (2020-04-28T15:44:41Z) - 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。