論文の概要: An Efficient Approach for Optimizing the Cost-effective Individualized
Treatment Rule Using Conditional Random Forest
- arxiv url: http://arxiv.org/abs/2204.10971v1
- Date: Sat, 23 Apr 2022 01:36:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-27 10:13:41.891034
- Title: An Efficient Approach for Optimizing the Cost-effective Individualized
Treatment Rule Using Conditional Random Forest
- Title（参考訳）: 条件付きランダム林を用いた費用効率の良い個別処理ルールの最適化
- Authors: Yizhe Xu, Tom H. Greene, Adam P. Bress, Brandon K. Bellows, Yue Zhang,
Zugui Zhang, Paul Kolm, William S.Weintraub, Andrew S. Moran, Jincheng Shen
- Abstract要約: 我々は、NMB(net-monetary-benefit)という概念を用いて、健康上の利益と関連するコストのトレードオフを評価する。
NMBに基づく分類アルゴリズムを用いて最適なCE-ITRを同定する。
我々は、NIHが出資したSystolic Blood Pressure Intervention Trialにトップパフォーマンスのアルゴリズムを適用した。
- 参考スコア（独自算出の注目度）: 5.406112598028401
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Evidence from observational studies has become increasingly important for
supporting healthcare policy making via cost-effectiveness (CE) analyses.
Similar as in comparative effectiveness studies, health economic evaluations
that consider subject-level heterogeneity produce individualized treatment
rules (ITRs) that are often more cost-effective than one-size-fits-all
treatment. Thus, it is of great interest to develop statistical tools for
learning such a cost-effective ITR (CE-ITR) under the causal inference
framework that allows proper handling of potential confounding and can be
applied to both trials and observational studies. In this paper, we use the
concept of net-monetary-benefit (NMB) to assess the trade-off between health
benefits and related costs. We estimate CE-ITR as a function of patients'
characteristics that, when implemented, optimizes the allocation of limited
healthcare resources by maximizing health gains while minimizing
treatment-related costs. We employ the conditional random forest approach and
identify the optimal CE-ITR using NMB-based classification algorithms, where
two partitioned estimators are proposed for the subject-specific weights to
effectively incorporate information from censored individuals. We conduct
simulation studies to evaluate the performance of our proposals. We apply our
top-performing algorithm to the NIH-funded Systolic Blood Pressure Intervention
Trial (SPRINT) to illustrate the CE gains of assigning customized intensive
blood pressure therapy.
- Abstract（参考訳）: コスト効率(CE)分析による医療政策立案を支援するために、観察研究からの証拠がますます重要になっている。
比較有効性研究と同様に、主観レベルの不均一性を考慮した健康経済評価は、一段階的な治療よりも費用対効果が高い個別化された治療規則(ITR)を生み出す。
したがって、そのようなコスト効率の高いitr(ce-itr)を学習するための統計的ツールを開発することは、潜在的な共起を適切に処理し、試行と観察の両方に応用できる因果推論の枠組みの下で非常に興味深い。
本稿では,net-monetary-benefit (nmb) の概念を用いて,医療給付と関連するコストのトレードオフを評価する。
我々は,CE-ITRを患者の特徴の関数として推定し,医療費を最小化し,医療資源の配分を最適化する。
条件付きランダム・フォレスト・アプローチを用いて,NMBに基づく分類アルゴリズムを用いて最適なCE-ITRを同定する。
提案の性能を評価するためにシミュレーション研究を行う。
SPRINT (Systolic Blood Pressure Intervention Trial) にトップパフォーマンスのアルゴリズムを適用し, カスタマイズした血圧療法のCEゲインについて検討した。
関連論文リスト
- Privacy Preserving Adaptive Experiment Design [13.839525385976303]
社会的福祉の喪失と統計的権力とのトレードオフを文脈的盗賊実験で検討する。
プライバシが"ほぼ無償"であることを示す,下位境界にマッチする差分プライベートアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-01-16T09:22:12Z) - Policy Optimization for Personalized Interventions in Behavioral Health [8.10897203067601]
デジタルプラットフォームを通じて提供される行動的健康介入は、健康結果を大幅に改善する可能性がある。
患者に対するパーソナライズされた介入を最適化して長期的効果を最大化する問題について検討した。
患者システムの状態空間を個別のレベルに分解するDecompPIをダブする新しい手法を提案する。
論文 参考訳（メタデータ） (2023-03-21T21:42:03Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳（メタデータ） (2023-02-06T05:17:22Z) - 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) - CAPITAL: Optimal Subgroup Identification via Constrained Policy Tree
Search [10.961093227672398]
臨床的に有意義なサブグループ学習アプローチでは、より良い治療の恩恵を受けることができる患者の最大数を特定する必要がある。
選択した患者数を最大化する最適サブグループ選択規則(SSR)を提案する。
解析可能な決定木クラスの中で最適なSSRを求めるために,ConstrAined PolIcy Tree seArch aLgorithmを提案する。
論文 参考訳（メタデータ） (2021-10-11T22:41:07Z) - Stochastic Intervention for Causal Inference via Reinforcement Learning [7.015556609676951]
因果推論の中心は介入戦略の処理効果推定である。
既存の方法はほとんどが決定論的治療に限られており、異なる治療下での結果を比較する。
介入に対する治療効果を推定するための新しい効果的な枠組みを提案する。
論文 参考訳（メタデータ） (2021-05-28T00:11:22Z) - Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。
本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。
この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文 参考訳（メタデータ） (2020-11-02T08:46:27Z) - 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) - 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) - Bayesian Nonparametric Cost-Effectiveness Analyses: Causal Estimation
and Adaptive Subgroup Discovery [0.0]
我々は検閲の有無で共同コスト-生存分布の非パラメトリックベイズモデルを開発する。
本モデルを用いて,SEER-Medicareデータベースにおける癌治療における子宮内膜化学療法と放射線補助療法の費用対効果を評価する。
論文 参考訳（メタデータ） (2020-02-11T21:51:58Z) - Contextual Constrained Learning for Dose-Finding Clinical Trials [102.8283665750281]
C3T-Budget(C3T-Budget)は、予算と安全性の両方の制約の下での線量フィリングのための文脈制約付き臨床試験アルゴリズムである。
残りの予算、残業時間、各グループの特徴を考慮して患者を募集する。
論文 参考訳（メタデータ） (2020-01-08T11:46:48Z)
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。