論文の概要: Heterogeneous Causal Effect of Polysubstance Usage on Drug Overdose

• arxiv url: http://arxiv.org/abs/2105.07224v1
• Date: Sat, 15 May 2021 13:52:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-18 14:50:20.444553
• Title: Heterogeneous Causal Effect of Polysubstance Usage on Drug Overdose
• Title（参考訳）: 薬物過剰摂取に対する多変量使用の不均一因果効果
• Authors: Vaishali Mahipal, Mohammad Arif Ul Alam
• Abstract要約: 過剰摂取量推定における異種同時薬物使用効果の推定システムを提案する。 我々は、「ベンゾジアゼピンとオピオイドの同時使用は、オピオイド過剰摂取流行に対する異種因果効果をもたらすか?
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a system to estimate heterogeneous concurrent drug usage effects on overdose estimation, that consists of efficient co-variate selection, sub-group selection, generation of and heterogeneous causal effect estimation. Although, there has been several association studies have been proposed in the state-of-art methods, heterogeneous causal effects have never been studied in concurrent drug usage and drug overdose problem. We apply our framework to answer a critical question, "can concurrent usage of benzodiazepines and opioids has heterogeneous causal effects on opioid overdose epidemic?" Using Truven MarketScan claim data collected from 2001 to 2013 have shown significant promise of our proposed framework's efficacy. Our efficient causal inference model estimated that the causal effect is higher (19%) than the regression studies (15%) to estimate the risks associated with the concurrent usage of opioid and benzodiazepines on opioid overdose.
• Abstract（参考訳）: 本稿では, 効率的な共変量選択, サブグループ選択, 生成, および不均一因果効果推定からなる, 過剰摂取推定における不均質薬物使用効果を推定するシステムを提案する。 最先端の手法ではいくつかの関連研究が提案されているが、薬物使用と薬物過剰摂取問題において異種因果効果が研究されていない。 我々は「ベンゾジアゼピンとオピオイドの同時使用は、オピオイド過剰摂取の流行に不均一な因果効果をもたらすか?」という批判的な質問に答えるために、我々の枠組みを適用した。 2001年から2013年にかけて収集されたTruven MarketScanのクレームデータを用いて、提案フレームワークの有効性を大いに保証した。 オピオイドの過剰摂取に対するオピオイドとベンゾジアゼピンの同時使用に関するリスクを推定するために, 効率的な因果的推論モデルにより, 因果効果が回帰研究 (15%) よりも高い (19%) と推定した。

関連論文リスト

• Identifying Self-Disclosures of Use, Misuse and Addiction in Community-based Social Media Posts [26.161892748901252]
  我々は,オピオイド使用の6つの異なる位相をラベル付けした,様々なサブレディットからの2500オピオイド関連ポストのコーパスを提示する。 すべての投稿で、私たちは、アノテーションの品質とモデル開発の両方において、スパンレベルの説明を注釈付けし、彼らの役割を決定的に研究します。
  論文  参考訳（メタデータ） (2023-11-15T16:05:55Z)
• The Blessings of Multiple Treatments and Outcomes in Treatment Effect Estimation [53.81860494566915]
  既存の研究では、プロキシ変数や複数の処理を利用してバイアスを補正している。 多くの実世界のシナリオでは、複数の結果に対する影響を研究することにより大きな関心がある。 この設定に関わる複数の結果の並列研究は、因果同定において互いに助け合うことが示されている。
  論文  参考訳（メタデータ） (2023-09-29T14:33:48Z)
• Benchmarking Bayesian Causal Discovery Methods for Downstream Treatment Effect Estimation [137.3520153445413]
  下流推論に重点を置く因果発見手法の評価において,顕著なギャップが存在する。 我々は,GFlowNetsに基づく新たな手法を含む,確立された7つの基本因果探索手法を評価する。 研究の結果,研究対象のアルゴリズムのいくつかは,多種多様なATEモードを効果的に捉えることができることがわかった。
  論文  参考訳（メタデータ） (2023-07-11T02:58:10Z)
• Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
  一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。 我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。 提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
  論文  参考訳（メタデータ） (2022-12-10T03:43:23Z)
• Understanding the factors driving the opioid epidemic using machine learning [10.021195517057462]
  アメリカ合衆国ではオピオイドが流行し、前例のない数の薬物が過剰摂取死を経験している。 本研究では,デラウェア州におけるオピオイドリスクの同定に機械学習を用いた手法を適用した。
  論文  参考訳（メタデータ） (2021-08-16T18:08:56Z)
• Patterns of Routes of Administration and Drug Tampering for Nonmedical Opioid Consumption: Data Mining and Content Analysis of Reddit Discussions [0.0]
  我々は、半自動情報検索アルゴリズムを用いて、非医療オピオイド消費について議論するサブレディットを同定した。 我々は,物質や投与経路の選好をモデル化し,その頻度と時間的展開を推定した。 フェンタニルパッチを噛んだり、ブプレノルフィンを舌下から溶かすなどの乱用行動の証拠が発見された。
  論文  参考訳（メタデータ） (2021-02-22T18:14:48Z)
• A standardized framework for risk-based assessment of treatment effect heterogeneity in observational healthcare databases [60.07352590494571]
  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。
  論文  参考訳（メタデータ） (2020-10-13T14:48:31Z)
• Discovering Drug-Drug and Drug-Disease Interactions Inducing Acute Kidney Injury Using Deep Rule Forests [0.0]
  急性腎臓損傷(AKI)における薬物と薬物の相互作用と薬物と薬物の相互作用 本稿では,多層木モデルから薬物使用量と疾患適応の組合せとしてルールを発見する新しい学習アルゴリズムであるDeep Rule Forests (DRF)を提案する。 実験の結果,DRFモデルは,予測精度とモデル解釈可能性の観点から,通常の木に基づく他の最先端アルゴリズムよりも比較的優れた性能を示した。
  論文  参考訳（メタデータ） (2020-07-04T14:10:28Z)
• 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 for Dose Allocation in Adaptive Clinical Trials with Safety Constraints [84.09488581365484]
  新しい化合物の有効性と毒性の関係がより複雑になるにつれて、第1相線量測定試験はますます困難になっている。 最も一般的に使われている方法は、毒性事象のみから学習することで、最大許容量(MTD)を特定することである。 本稿では, 毒性安全性の制約を高い確率で満たしつつ, 累積効果を最大化することを目的とした, 適応型臨床試験手法を提案する。
  論文  参考訳（メタデータ） (2020-06-09T03:06:45Z)
• A Node Embedding Framework for Integration of Similarity-based Drug Combination Prediction [7.4517333921953215]
  我々は,合成薬物の組み合わせを予測するために,NEMNのネットワーク埋め込みフレームワークを提案する。 マルチプレックスドラッグ類似性ネットワークに基づいて,異なる側面から有用な情報を統合するための代替手法を提案する。 薬物併用予測では, 外部情報源で検証した新薬を7種類検出した。
  論文  参考訳（メタデータ） (2020-02-25T02:24:47Z)

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。