論文の概要: Pragmatic Clinical Trials in the Rubric of Structural Causal Models

• arxiv url: http://arxiv.org/abs/2204.13782v1
• Date: Thu, 28 Apr 2022 21:12:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-02 14:29:30.574001
• Title: Pragmatic Clinical Trials in the Rubric of Structural Causal Models
• Title（参考訳）: 構造因果モデル作成における実用的臨床試験
• Authors: Riddhiman Adib, Sheikh Iqbal Ahamed, Mohammad Adibuzzaman
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.1049608786515839
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Explanatory studies, such as randomized controlled trials, are targeted to extract the true causal effect of interventions on outcomes and are by design adjusted for covariates through randomization. On the contrary, observational studies are a representation of events that occurred without intervention. Both can be illustrated using the Structural Causal Model (SCM), and do-calculus can be employed to estimate the causal effects. Pragmatic clinical trials (PCT) fall between these two ends of the trial design spectra and are thus hard to define. Due to its pragmatic nature, no standardized representation of PCT through SCM has been yet established. In this paper, we approach this problem by proposing a generalized representation of PCT under the rubric of structural causal models (SCM). We discuss different analysis techniques commonly employed in PCT using the proposed graphical model, such as intention-to-treat, as-treated, and per-protocol analysis. To show the application of our proposed approach, we leverage an experimental dataset from a pragmatic clinical trial. Our proposition of SCM through PCT creates a pathway to leveraging do-calculus and related mathematical operations on clinical datasets.
• Abstract（参考訳）: ランダム化試験のような説明研究は、結果に対する介入の真の因果効果を抽出することを目的としており、ランダム化によって共変量に調整される。 逆に観察的研究は、介入なしに起こった出来事の表現である。 どちらも構造因果モデル(scm)を用いて説明することができ、因果効果を推定するためにdo-calculusを用いることができる。 実用的臨床試験(PCT)は、この2つの設計スペクトルの両端に該当し、定義が困難である。 現実的な性質のため、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。 本稿では,PCTの一般化表現を構造因果モデル (SCM) のルーリックの下で提案することで,この問題に対処する。 提案するグラフィカルモデルを用いて,PCT でよく用いられる様々な解析手法について論じる。 提案手法の適用性を示すために,実用的臨床試験から得られた実験データセットを利用する。 SCMのPCTによる提案は、臨床データセット上でのdo-calculusおよび関連する数学的操作を活用するための経路を作成する。

関連論文リスト

• SSL Framework for Causal Inconsistency between Structures and Representations [23.035761299444953]
  深層学習と因果発見のクロスポリン化は、画像、ビデオ、テキストなどの統計的でないデータ形式における因果関係の解明を目指す、急成長する研究分野を触媒している。 我々は、不確定データに適した介入戦略を理論的に開発し、因果一貫性条件(CCC)を導出する。 CCCは様々な分野で重要な役割を果たす可能性がある。
  論文  参考訳（メタデータ） (2023-10-28T08:29:49Z)
• Informing clinical assessment by contextualizing post-hoc explanations of risk prediction models in type-2 diabetes [50.8044927215346]
  本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。 我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。 本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
  論文  参考訳（メタデータ） (2023-02-11T18:07:11Z)
• 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)
• Multi-Task Adversarial Learning for Treatment Effect Estimation in Basket Trials [12.266020657495618]
  バスケットトライアルと呼ばれる新しい臨床設計に応用するための因果推論について述べる。 そこで本研究では, 腫瘍の種類によって有意な影響を推定するためのマルチタスク逆学習法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T02:41:26Z)
• Automated causal inference in application to randomized controlled clinical trials [2.014647406790584]
  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。
  論文  参考訳（メタデータ） (2022-01-15T07:01:25Z)
• 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)
• Clinical Temporal Relation Extraction with Probabilistic Soft Logic Regularization and Global Inference [50.029659413650194]
  既存のメソッドは、高価な機能エンジニアリングを必要とするか、イベント間のグローバルな依存関係をモデル化できない。 本稿では,確率論的ソフト論理規則化とグローバル推論を用いた新しい臨床時間緩和法を提案する。
  論文  参考訳（メタデータ） (2020-12-16T08:23:03Z)
• Predicting Clinical Trial Results by Implicit Evidence Integration [40.80948875051806]
  新規な臨床試験結果予測(CTRP)タスクを導入する。 CTRPフレームワークでは、モデルがPICO形式の臨床試験の提案を受け、その背景を入力として、その結果を予測する。 PICOを暗黙的に含む医学文献から大規模非構造化文を引用し,その結果を証拠とした。
  論文  参考訳（メタデータ） (2020-10-12T12:25:41Z)
• Benchmarking off-the-shelf statistical shape modeling tools in clinical applications [53.47202621511081]
  我々は、広く使われている最先端のSSMツールの結果を体系的に評価する。 解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。 ShapeWorks と Deformetrica の形状モデルは臨床的に関連する集団レベルの変動を捉えている。
  論文  参考訳（メタデータ） (2020-09-07T03:51:35Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)
• A Causally Formulated Hazard Ratio Estimation through Backdoor Adjustment on Structural Causal Model [0.98314893665023]
  本稿では,ハザード比の計算方法と,その因果解釈について検討する。 本研究では,SCMとdo-calculusによるバックドア調整を用いた観測研究から,新たなハザード比計算手法を提案する。
  論文  参考訳（メタデータ） (2020-06-22T19:10:16Z)

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。