論文の概要: Evaluating Treatment Prioritization Rules via Rank-Weighted Average
Treatment Effects
- arxiv url: http://arxiv.org/abs/2111.07966v2
- Date: Tue, 28 Nov 2023 20:36:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 04:22:20.135887
- Title: Evaluating Treatment Prioritization Rules via Rank-Weighted Average
Treatment Effects
- Title(参考訳): ランク付け平均治療効果による治療優先順位付けルールの評価
- Authors: Steve Yadlowsky, Scott Fleming, Nigam Shah, Emma Brunskill, Stefan
Wager
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 24.258855352542096
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There are a number of available methods for selecting whom to prioritize for
treatment, including ones based on treatment effect estimation, risk scoring,
and hand-crafted rules. We propose rank-weighted average treatment effect
(RATE) metrics as a simple and general family of metrics for comparing and
testing the quality of treatment prioritization rules. RATE metrics are
agnostic as to how the prioritization rules were derived, and only assess how
well they identify individuals that benefit the most from treatment. We define
a family of RATE estimators and prove a central limit theorem that enables
asymptotically exact inference in a wide variety of randomized and
observational study settings. RATE metrics subsume a number of existing
metrics, including the Qini coefficient, and our analysis directly yields
inference methods for these metrics. We showcase RATE in the context of a
number of applications, including optimal targeting of aspirin to stroke
patients.
- Abstract(参考訳): 治療効果の推定、リスクスコア、手作りのルールに基づいて、誰が治療を優先するかを選択する方法は数多く存在する。
本稿では, 優先順位付け規則の質を比較し, 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(RATE)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、RATE推定器の族を定義し、多種多様なランダム化および観察研究環境における漸近的正確な推論を可能にする中心極限定理を証明した。
レートメトリクスは、qini係数を含む既存のメトリクスを列挙し、分析によってこれらのメトリクスの推論メソッドが直接得られる。
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。
関連論文リスト
- Targeted Machine Learning for Average Causal Effect Estimation Using the
Front-Door Functional [3.0232957374216953]
結果に対する治療の平均因果効果(ACE)を評価することは、しばしば観察研究における要因の相違によって引き起こされる課題を克服することを伴う。
本稿では,目標最小損失推定理論に基づいて,正面基準の新たな推定手法を提案する。
本研究では,早期学業成績が今後の年収に与える影響を明らかにするために,これらの推定装置の適用性を示す。
論文 参考訳(メタデータ) (2023-12-15T22:04:53Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳(メタデータ) (2023-11-08T00:10:21Z) - Overlapping Batch Confidence Intervals on Statistical Functionals
Constructed from Time Series: Application to Quantiles, Optimization, and
Estimation [5.068678962285631]
定常時系列データを用いて構築した統計関数に対する信頼区間手順を提案する。
OBx制限は、バッチのサイズと重複の程度によってパラメータ化されたWienerプロセスの特定の機能であり、依存を特徴づけるための必須の機械を形成する。
論文 参考訳(メタデータ) (2023-07-17T16:21:48Z) - 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) - Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。
この課題に対処するための新しいクロスバリデーションのような方法論を提供する。
本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
論文 参考訳(メタデータ) (2021-12-14T17:53:01Z) - Stochastic Intervention for Causal Effect Estimation [7.015556609676951]
介入効果を推定するための新しい確率スコアと介入効果推定器(SIE)を提案する。
また,介入効果(Ge-SIO)に特異的な遺伝的アルゴリズムを設計し,意思決定の因果的証拠を提供する。
提案手法とアルゴリズムは,最先端のベースラインと比較して,大幅な性能向上を実現することができる。
論文 参考訳(メタデータ) (2021-05-27T01:12:03Z) - Median Optimal Treatment Regimes [7.241149193573696]
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。
論文 参考訳(メタデータ) (2021-03-02T15:26:20Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳(メタデータ) (2020-12-24T05:19:03Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - Orthogonal Statistical Learning [49.55515683387805]
人口リスクが未知のニュアンスパラメータに依存するような環境では,統計学習における非漸近的過剰リスク保証を提供する。
人口リスクがNeymanityと呼ばれる条件を満たす場合,メタアルゴリズムによって達成される過剰リスクに対するニュアンス推定誤差の影響は2次であることを示す。
論文 参考訳(メタデータ) (2019-01-25T02:21:24Z)
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。