論文の概要: ADCB: An Alzheimer's disease benchmark for evaluating observational
estimators of causal effects
- arxiv url: http://arxiv.org/abs/2111.06811v1
- Date: Fri, 12 Nov 2021 16:43:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-15 13:27:20.379462
- Title: ADCB: An Alzheimer's disease benchmark for evaluating observational
estimators of causal effects
- Title（参考訳）: adcb : 因果効果の観察的評価のためのアルツハイマー病指標
- Authors: Newton Mwai Kinyanjui, Fredrik D. Johansson
- Abstract要約: 本稿では,医療データの複雑度をモデル化することを目的としたアルツハイマー病のシミュレータを提案する。
シミュレータは、因果推論タスクの性質と難易度を変更するパラメータを含む。
シミュレーションを用いて, 平均的および条件的処理効果の推定値を比較する。
- 参考スコア（独自算出の注目度）: 8.550140109387467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simulators make unique benchmarks for causal effect estimation since they do
not rely on unverifiable assumptions or the ability to intervene on real-world
systems, but are often too simple to capture important aspects of real
applications. We propose a simulator of Alzheimer's disease aimed at modeling
intricacies of healthcare data while enabling benchmarking of causal effect and
policy estimators. We fit the system to the Alzheimer's Disease Neuroimaging
Initiative (ADNI) dataset and ground hand-crafted components in results from
comparative treatment trials and observational treatment patterns. The
simulator includes parameters which alter the nature and difficulty of the
causal inference tasks, such as latent variables, effect heterogeneity, length
of observed history, behavior policy and sample size. We use the simulator to
compare estimators of average and conditional treatment effects.
- Abstract（参考訳）: シミュレータは、検証不能な仮定や実世界のシステムへの介入能力に依存しないが、実際のアプリケーションの重要な側面を捉えるには単純すぎるため、因果効果推定のためのユニークなベンチマークを作成する。
本稿では,医療データの複雑度をモデル化し,因果効果と政策推定器のベンチマークを可能にしたアルツハイマー病のシミュレータを提案する。
本システムはアルツハイマー病の神経画像化イニシアチブ(adni)データセットと地上手作り部品に適合し,比較治療と観察的治療パターンの結果を得た。
シミュレータは、潜在変数、効果の不均一性、観測履歴の長さ、行動ポリシー、サンプルサイズといった因果推論タスクの性質と難易度を変化させるパラメータを含む。
シミュレーションを用いて平均および条件付き処理効果の推定値を比較する。
関連論文リスト
- Causal Dynamic Variational Autoencoder for Counterfactual Regression in
Longitudinal Data [3.662229789022107]
時間とともに治療効果を推定することは、精密医療、疫学、経済、マーケティングなど多くの現実世界の応用において重要である。
我々は、観測されていないリスク要因、すなわち、結果の順序だけに影響を与える調整変数を仮定することで、異なる視点を取る。
我々は、時間変化効果と未観測の調整変数によって生じる課題に対処する。
論文 参考訳（メタデータ） (2023-10-16T16:32:35Z) - Efficient estimation of weighted cumulative treatment effects by
double/debiased machine learning [3.086361225427304]
重み付き累積因果効果に対する一段階のクロスフィット型2重/脱バイアス型機械学習推定器を提案する。
本稿では,イギリスのプライマリ・ケア・データベースからの実世界観測データに提案手法を適用し,抗糖尿病薬のがん効果の比較を行った。
論文 参考訳（メタデータ） (2023-05-03T18:19:18Z) - Data-Driven Estimation of Heterogeneous Treatment Effects [15.140272661540655]
異種治療効果推定(ヘテロジニアス・エフェクト・アセスメント・アセスメント・アセスメント・アセスメント・アセスメント・アセスメント)は、経験科学において重要な問題である。
機械学習を用いた不均一な処理効果推定のための最先端データ駆動手法について調査する。
論文 参考訳（メタデータ） (2023-01-16T21:36:49Z) - Heterogeneous Treatment Effect Estimation for Observational Data using
Model-based Forests [0.0]
本研究では,観測データにおける不整合問題に対処するため,モデルに基づく森林の修正を提案する。
この戦略は,様々な結果分布を模擬した実験において,コンバウンディング効果を低減させることがわかった。
筋萎縮性側索硬化症の進行に対するリルゾールの潜在的ヘテロジニアス効果を評価することにより,HTEの生存率と経時的成績を推定する実践的側面を示す。
論文 参考訳（メタデータ） (2022-10-06T11:49:39Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - 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) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z) - Estimating Individual Treatment Effects using Non-Parametric Regression
Models: a Review [0.0]
本稿では、観測データや非完全ランダム化データを用いて因果推論を行う際の設定と課題を紹介する。
我々は、個々の治療効果を推定できる既存の最先端フレームワークの統一分類法を開発する。
本研究は,学校給食プログラムデータの実証分析に,いくつかの方法を用いることで,結論を導いた。
論文 参考訳（メタデータ） (2020-09-14T14:26:55Z) - 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) - 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。