論文の概要: Automated causal inference in application to randomized controlled clinical trials

• arxiv url: http://arxiv.org/abs/2201.05773v1
• Date: Sat, 15 Jan 2022 07:01:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-22 13:10:18.972720
• Title: Automated causal inference in application to randomized controlled clinical trials
• Title（参考訳）: 自動因果推論による無作為化臨床試験への応用
• Authors: Jiqing Wu, Nanda Horeweg, Marco de Bruyn, Remi A. Nout, Ina M. J\"urgenliemk-Schulz, Ludy C.H.W. Lutgens, Jan J. Jobsen, Elzbieta M. van der Steen-Banasik, Hans W. Nijman, Vincent T.H.B.M. Smit, Tjalling Bosse, Carien L. Creutzberg, Viktor H. Koelzer
• Abstract要約: 臨床試験データの因果的再解釈のための新しい自動因果推論法(AutoCI)を提案する。 今回提案したAutoCIは, 子宮内膜癌患者の2つの実環境RTTに対して, 明確に分化した因果変数を効率よく決定できることを示した。 アブレーション研究では,AutoCIによる因果確率の割り当てが,共同創設者の存在下で一貫していることが示されている。
• 参考スコア（独自算出の注目度）: 2.014647406790584
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Randomized controlled trials (RCTs) are considered as the gold standard for testing causal hypotheses in the clinical domain. However, the investigation of prognostic variables of patient outcome in a hypothesized cause-effect route is not feasible using standard statistical methods. Here, we propose a new automated causal inference method (AutoCI) built upon the invariant causal prediction (ICP) framework for the causal re-interpretation of clinical trial data. Compared to existing methods, we show that the proposed AutoCI allows to efficiently determine the causal variables with a clear differentiation on two real-world RCTs of endometrial cancer patients with mature outcome and extensive clinicopathological and molecular data. This is achieved via suppressing the causal probability of non-causal variables by a wide margin. In ablation studies, we further demonstrate that the assignment of causal probabilities by AutoCI remain consistent in the presence of confounders. In conclusion, these results confirm the robustness and feasibility of AutoCI for future applications in real-world clinical analysis.
• Abstract（参考訳）: ランダム化制御試験(RCTs)は、臨床領域における因果仮説をテストするための金の標準であると考えられている。 しかし, 標準的な統計学的手法では, 患者予後の予測変数を仮説として検討することは不可能である。 本稿では,臨床試験データの因果的再解釈のための不変因果予測(ICP)フレームワーク上に構築された新しい自動因果推論手法を提案する。 既存の方法と比較すると, 子宮内膜癌患者2例において, 臨床病理学的, 分子遺伝学的に有意な差がみられ, 因果変数を効率的に決定できることがわかった。 これは非因果変数の因果確率を広いマージンで抑制することで達成される。 アブレーション研究では,AutoCIによる因果確率の割り当てが,共同創設者の存在下で一貫していることがさらに実証された。 結論として, これらの結果は, 現実臨床分析におけるAutoCIの堅牢性と将来性を示すものである。

関連論文リスト

• Testing Causal Explanations: A Case Study for Understanding the Effect of Interventions on Chronic Kidney Disease [1.2449538970962482]
  我々は大規模な電子健康記録データセットを用いた方法論を開発した。 回帰不連続性の原理は、専門家主導の介入をテストするためにランダム化されたデータサブセットを導出するために用いられた。 この方法論は、実際のEHRデータを用いて、人口レベルの洞察を提供し、医療提供の改善を知らせる方法を示している。
  論文  参考訳（メタデータ） (2024-10-15T20:34:36Z)
• Ethical considerations of use of hold-out sets in clinical prediction model management [0.4194295877935868]
  我々は、善意、非正当性、自律性、正義の倫理的原則に焦点をあてる。 また,様々なホールドアウトセットサンプリング手法による統計的問題についても論じる。
  論文  参考訳（メタデータ） (2024-06-05T11:42:46Z)
• Uncertainty Quantification on Clinical Trial Outcome Prediction [37.238845949535616]
  本稿では,不確実性の定量化を臨床治験結果の予測に取り入れることを提案する。 私たちの主な目標は、ニュアンスドの違いを識別するモデルの能力を強化することです。 我々は目的を達成するために選択的な分類手法を採用した。
  論文  参考訳（メタデータ） (2024-01-07T13:48:05Z)
• Simulation-based Inference for Cardiovascular Models [57.92535897767929]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• Continuous-Time Modeling of Counterfactual Outcomes Using Neural Controlled Differential Equations [84.42837346400151]
  反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。 既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。 そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2022-06-16T17:15:15Z)
• Pragmatic Clinical Trials in the Rubric of Structural Causal Models [1.1049608786515839]
  プラグマティック臨床試験(PCT)は、説明研究と観察研究の中間に位置する。 構造因果モデル(SCM)によるPCTの標準化された表現はまだ確立されていない。 構造因果モデル(SCM)のルーリック下でのPCTの一般化表現を提案する。
  論文  参考訳（メタデータ） (2022-04-28T21:12:38Z)
• Causal Bias Quantification for Continuous Treatment [5.6968018940343885]
  本研究では, 連続処理環境における限界因果効果と因果バイアスの新たな評価法を開発した。 条件付き確率分布に対する期待として表現できることを示す。 期待項の全ての項は、高度に非線形なモデルに対しても自動微分によって計算できる。
  論文  参考訳（メタデータ） (2021-06-17T18:44:48Z)
• 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)
• Personalized pathology test for Cardio-vascular disease: Approximate Bayesian computation with discriminative summary statistics learning [48.7576911714538]
  近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。 この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
  論文  参考訳（メタデータ） (2020-10-13T15:20:21Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。