論文の概要: Federated Causal Inference in Heterogeneous Observational Data

• arxiv url: http://arxiv.org/abs/2107.11732v5
• Date: Sun, 2 Apr 2023 22:13:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 02:01:37.606003
• Title: Federated Causal Inference in Heterogeneous Observational Data
• Title（参考訳）: 不均一観測データにおける連関因果推論
• Authors: Ruoxuan Xiong, Allison Koenecke, Michael Powell, Zhu Shen, Joshua T. Vogelstein, Susan Athey
• Abstract要約: 我々は、複数のサイトにおいて、各サイトごとにデータをローカルに保存している個人に対して、治療の効果を推定することに興味がある。 プライバシー上の制約により、個々のレベルのデータはサイト間で共有できない。 これらの考察により,総合データの平均処理効果を推定するフェデレーション手法を開発した。
• 参考スコア（独自算出の注目度）: 13.460660554484512
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We are interested in estimating the effect of a treatment applied to individuals at multiple sites, where data is stored locally for each site. Due to privacy constraints, individual-level data cannot be shared across sites; the sites may also have heterogeneous populations and treatment assignment mechanisms. Motivated by these considerations, we develop federated methods to draw inference on the average treatment effects of combined data across sites. Our methods first compute summary statistics locally using propensity scores and then aggregate these statistics across sites to obtain point and variance estimators of average treatment effects. We show that these estimators are consistent and asymptotically normal. To achieve these asymptotic properties, we find that the aggregation schemes need to account for the heterogeneity in treatment assignments and in outcomes across sites. We demonstrate the validity of our federated methods through a comparative study of two large medical claims databases.
• Abstract（参考訳）: 我々は,各サイトごとにデータがローカルに保存されている複数のサイトにおいて,個人に対する治療の効果を推定することに関心を持っている。 プライバシーの制約のため、個々のレベルのデータはサイト間で共有することはできない。 これらの考察に動機づけられ,サイト間での複合データの平均的治療効果を推測する統合的手法を開発した。 提案手法は,まず局所的にプロペンサリティスコアを用いて要約統計を算出し,それらの統計をサイト間で集計し,平均治療効果のポイント・分散推定値を得る。 これらの推定器は一貫性があり漸近的に正常である。 これらの漸近的特性を達成するためには,アグリゲーションスキームが治療課題と現場間の結果の多様性を考慮すべきであることがわかった。 2つの大規模医療クレームデータベースの比較研究を通じて,フェデレーション手法の有効性を示す。

関連論文リスト

• Estimating Individual Dose-Response Curves under Unobserved Confounders from Observational Data [6.166869525631879]
  本稿では,連続治療の因果効果を推定するための新しいフレームワークであるContiVAEについて述べる。 ContiVAEは既存の手法を最大62%上回り、その堅牢性と柔軟性を示す。
  論文  参考訳（メタデータ） (2024-10-21T07:24:26Z)
• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Counterfactual Data Augmentation with Contrastive Learning [27.28511396131235]
  本稿では,選択したサブセットに対して,結果に反する結果をもたらすモデルに依存しないデータ拡張手法を提案する。 我々は、比較学習を用いて表現空間と類似度尺度を学習し、学習された類似度尺度で同定された個人に近い学習空間において、同様の潜在的な結果が得られるようにした。 この性質は、代替治療群から近接した近縁者に対する対実的な結果の信頼性の高い計算を保証する。
  論文  参考訳（メタデータ） (2023-11-07T00:36:51Z)
• Multiply Robust Federated Estimation of Targeted Average Treatment Effects [0.0]
  多地点データを用いて,対象個体群に対する有効な因果推論を導出する手法を提案する。 提案手法では,移動学習を組み込んでアンサンブル重みを推定し,ソースサイトからの情報を組み合わせる。
  論文  参考訳（メタデータ） (2023-09-22T03:15:08Z)
• Approximating Counterfactual Bounds while Fusing Observational, Biased and Randomised Data Sources [64.96984404868411]
  我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。 利用可能なデータの可能性は局所的な最大値を持たないことを示す。 次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2023-07-31T11:28:24Z)
• Combining Observational and Randomized Data for Estimating Heterogeneous Treatment Effects [82.20189909620899]
  不均一な治療効果を推定することは、多くの領域において重要な問題である。 現在、現存するほとんどの作品は観測データにのみ依存している。 本稿では、大量の観測データと少量のランダム化データを組み合わせることで、不均一な処理効果を推定する。
  論文  参考訳（メタデータ） (2022-02-25T18:59:54Z)
• A Tree-based Federated Learning Approach for Personalized Treatment Effect Estimation from Heterogeneous Data Sources [5.049057348282933]
  フェデレーション学習は、分散ヘルスデータネットワークから機密データを分析するための魅力的なフレームワークである。 本研究は, 治療効果評価装置を効率よく, 解釈可能なツリーベースアンサンブルを開発した。
  論文  参考訳（メタデータ） (2021-03-10T18:51:30Z)
• 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)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)
• 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。