Fugu-MT 論文翻訳(概要): Median Optimal Treatment Regimes

論文の概要: Median Optimal Treatment Regimes

arxiv url: http://arxiv.org/abs/2103.01802v1
Date: Tue, 2 Mar 2021 15:26:20 GMT
ステータス: 処理完了
システム内更新日: 2021-03-03 15:49:26.006236
Title: Median Optimal Treatment Regimes
Title（参考訳）: 中間最適治療レジム
Authors: Liu Leqi, Edward H. Kennedy
Abstract要約: コンディショナーが治療中よりも高い個人を治療する新しいメディアン最適治療体制を提案します。これにより、同じグループの個人に対する最適な決定が、グループのごく一部に過度に影響されないことが保証される。本稿では,政策の全体的中央値処理結果を要約した新しい評価尺度ACME(Average Conditional Median Effect)を紹介する。
参考スコア（独自算出の注目度）: 7.241149193573696
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Optimal treatment regimes are personalized policies for making a treatment decision based on subject characteristics, with the policy chosen to maximize some value. It is common to aim to maximize the mean outcome in the population, via a regime assigning treatment only to those whose mean outcome is higher under treatment versus control. However, the mean can be an unstable measure of centrality, resulting in imprecise statistical procedures, as well as unfair decisions that can be overly influenced by a small fraction of subjects. In this work, we propose a new median optimal treatment regime that instead treats individuals whose conditional median is higher under treatment. This ensures that optimal decisions for individuals from the same group are not overly influenced either by (i) a small fraction of the group (unlike the mean criterion), or (ii) unrelated subjects from different groups (unlike marginal median/quantile criteria). We introduce a new measure of value, the Average Conditional Median Effect (ACME), which summarizes across-group median treatment outcomes of a policy, and which the optimal median treatment regime maximizes. After developing key motivating examples that distinguish median optimal treatment regimes from mean and marginal median optimal treatment regimes, we give a nonparametric efficiency bound for estimating the ACME of a policy, and propose a new doubly robust-style estimator that achieves the efficiency bound under weak conditions. Finite-sample properties of the estimator are explored via numerical simulations and the proposed algorithm is illustrated using data from a randomized clinical trial in patients with HIV.
Abstract（参考訳）: 最適な治療体制は、対象特性に基づいて治療決定を行うためのパーソナライズされたポリシーであり、ある価値を最大化するポリシーが選択される。治療において平均的な結果が治療対統制において高い者に対してのみ治療を割り当てる体制を通じて、人口の平均的な結果の最大化を目指すのが一般的である。しかし、平均は不安定な集中度尺度であり、不正確な統計手続きと少数の被験者に過度に影響される不公平な決定をもたらす可能性がある。そこで本研究では, 条件中央値が高い患者を治療対象として, 適切な治療体制を新たに提案する。これにより、同じグループの個人に対する最適な決定は、(i)グループのごく一部(平均基準とは違って)または(ii)異なるグループの無関係な被験者(限界中央値/量子的基準とは違って)によって過度に影響されない。本稿では,政策の全体的中央値処理結果と最適な中央値処理体制の最大化をまとめた,新たな評価尺度であるACME(Average Conditional Median Effect)を導入する。平均的および限界的最適治療体制と中間的最適治療体制を区別する重要な動機づけ例を開発した後、政策のACMEを推定するための非パラメトリックな効率性を与え、弱条件下での効率性を実現する新しい二重堅牢型推定器を提案する。数値シミュレーションにより推定器の有限サンプル特性を考察し, hiv患者に対するランダム化臨床試験から得られたデータを用いて, 提案アルゴリズムを示した。

関連論文リスト

Are causal effect estimations enough for optimal recommendations under multitreatment scenarios? [2.4578723416255754]
異なる治療やコントロール下での潜在的な結果を比較するために、因果効果推定分析を含めることが不可欠である。マルチトリートメント選択のための包括的方法論を提案する。
論文参考訳（メタデータ） (2024-10-07T16:37:35Z)
Learning Robust Treatment Rules for Censored Data [14.95510487866686]
最適な治療規則を推定するための2つの基準を提案する。既存の手法と比較して性能が向上した。エイズの臨床データを用いた方法も提案した。
論文参考訳（メタデータ） (2024-08-17T09:58:58Z)
Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。学習シナリオにおける同値性に基づく単一のフレームワークを提案する。我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
論文参考訳（メタデータ） (2024-05-09T12:52:22Z)
Policy Gradient with Active Importance Sampling [55.112959067035916]
政策勾配法(PG法)はISの利点を大いに生かし、以前に収集したサンプルを効果的に再利用することができる。しかし、ISは歴史的サンプルを再重み付けするための受動的ツールとしてRLに採用されている。我々は、政策勾配のばらつきを減らすために、サンプルを収集する最良の行動ポリシーを模索する。
論文参考訳（メタデータ） (2024-05-09T09:08:09Z)
Robust and Agnostic Learning of Conditional Distributional Treatment Effects [62.44901952244514]
条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。集約分析では、通常は分布処理効果(DTE)の測定によって対処される。我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
論文参考訳（メタデータ） (2022-05-23T17:40:31Z)
Adaptive Semi-Supervised Inference for Optimal Treatment Decisions with Electronic Medical Record Data [18.77246683875067]
最適な治療体制は、最も全体的な臨床効果が期待されるものとなり、多くの注目を集めている。半教師付き環境下での電子カルテデータによる最適治療体制の推定について検討する。
論文参考訳（メタデータ） (2022-03-04T13:54:35Z)
Off-Policy Evaluation with Policy-Dependent Optimization Response [90.28758112893054]
我々は,テキスト政治に依存した線形最適化応答を用いた非政治評価のための新しいフレームワークを開発した。摂動法による政策依存推定のための非バイアス推定器を構築する。因果介入を最適化するための一般的なアルゴリズムを提供する。
論文参考訳（メタデータ） (2022-02-25T20:25:37Z)
Pessimistic Minimax Value Iteration: Provably Efficient Equilibrium Learning from Offline Datasets [101.5329678997916]
両プレイヤーゼロサムマルコフゲーム(MG)をオフライン環境で研究する。目標は、事前収集されたデータセットに基づいて、近似的なナッシュ均衡(NE)ポリシーペアを見つけることである。
論文参考訳（メタデータ） (2022-02-15T15:39:30Z)
Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
論文参考訳（メタデータ） (2022-01-31T20:58:47Z)
Evaluating Treatment Prioritization Rules via Rank-Weighted Average Treatment Effects [24.258855352542096]
本稿では,治療優先化ルールの質を比較し,検証するための簡易かつ一般的な指標として,ランク重み付き平均治療効果指標を提案する。 RATEメトリクスは、優先順位付けルールの導出方法に非依存であり、治療から最も恩恵を受ける個人をどの程度正確に識別するかのみを評価する。我々は脳卒中患者に対するアスピリンの最適標的を含む多くの応用の文脈でRATEを紹介した。
論文参考訳（メタデータ） (2021-11-15T18:22:35Z)
CAPITAL: Optimal Subgroup Identification via Constrained Policy Tree Search [10.961093227672398]
臨床的に有意義なサブグループ学習アプローチでは、より良い治療の恩恵を受けることができる患者の最大数を特定する必要がある。選択した患者数を最大化する最適サブグループ選択規則(SSR)を提案する。解析可能な決定木クラスの中で最適なSSRを求めるために,ConstrAined PolIcy Tree seArch aLgorithmを提案する。
論文参考訳（メタデータ） (2021-10-11T22:41:07Z)

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。