論文の概要: Principal-Agent Hypothesis Testing
- arxiv url: http://arxiv.org/abs/2205.06812v1
- Date: Fri, 13 May 2022 17:59:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-16 14:37:44.115448
- Title: Principal-Agent Hypothesis Testing
- Title(参考訳): 主エージェント仮説検定
- Authors: Stephen Bates, Michael I. Jordan, Michael Sklar, Jake A. Soloff
- Abstract要約: 有効性を確立するために使用される統計プロトコルが、戦略的かつ自己関心のある製薬会社の行動にどのように影響するかを示す。
統計的な証拠の基準が低いことは、薬局が効果が低い薬物の試薬をもっと多く実施することを動機付けている。
エージェントの戦略的行動に対して堅牢な契約を設計する方法を示し、戦略的行動が存在する場合に最適な契約を導出する。
- 参考スコア(独自算出の注目度): 71.40119152422295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consider the relationship between the FDA (the principal) and a
pharmaceutical company (the agent). The pharmaceutical company wishes to sell a
product to make a profit, and the FDA wishes to ensure that only efficacious
drugs are released to the public. The efficacy of the drug is not known to the
FDA, so the pharmaceutical company must run a costly trial to prove efficacy to
the FDA. Critically, the statistical protocol used to establish efficacy
affects the behavior of a strategic, self-interested pharmaceutical company; a
lower standard of statistical evidence incentivizes the pharmaceutical company
to run more trials for drugs that are less likely to be effective, since the
drug may pass the trial by chance, resulting in large profits. The interaction
between the statistical protocol and the incentives of the pharmaceutical
company is crucial to understanding this system and designing protocols with
high social utility. In this work, we discuss how the principal and agent can
enter into a contract with payoffs based on statistical evidence. When there is
stronger evidence for the quality of the product, the principal allows the
agent to make a larger profit. We show how to design contracts that are robust
to an agent's strategic actions, and derive the optimal contract in the
presence of strategic behavior.
- Abstract(参考訳): FDA(プリンシパル)と製薬会社(エージェント)の関係を考える。
製薬会社は利益を上げるために製品を売ることを望んでおり、fdaは有効な薬のみを公に公開することを望んでいる。
この薬の有効性はFDAには分かっていないので、医薬品会社はFDAに効力を示すために費用がかかる裁判を行わなければならない。
批判的に、有効性を確立するために使用される統計プロトコルは、戦略的で利害関係にある製薬会社の行動に影響を与え、より低い統計証拠は、薬局が有効性の低い薬についてより多くの治験を行うように動機づける。
統計プロトコルと製薬会社のインセンティブとの相互作用は、このシステムを理解し、高い社会的ユーティリティでプロトコルを設計する上で不可欠である。
本研究では, 統計的証拠に基づいて, 主役とエージェントが, 支払契約を締結する方法について論じる。
製品の品質に関するより強力な証拠がある場合、プリンシパルはエージェントがより大きな利益を得るのを許可する。
我々は,エージェントの戦略行動にロバストな契約の設計方法を示し,戦略行動が存在する場合に最適な契約を導出する。
関連論文リスト
- Modeling Path Importance for Effective Alzheimer's Disease Drug
Repurposing [8.153491945775734]
薬物再資源化のための新しいネットワーク方式 MPI (Modeling Path Importance) を提案する。
MPIは学習ノードの埋め込みを通じて重要なパスを優先し、ネットワークの豊富な構造情報を効果的にキャプチャする。
上位50の薬物のうち、MPIは、基準値よりも20.0%の薬物を抗AD抗体で優先している。
論文 参考訳(メタデータ) (2023-10-23T17:24:11Z) - ADRNet: A Generalized Collaborative Filtering Framework Combining
Clinical and Non-Clinical Data for Adverse Drug Reaction Prediction [49.56476929112382]
逆薬物反応(ADR)予測は、医療と薬物発見において重要な役割を果たす。
ADRNetは、臨床データと非臨床データを組み合わせた一般的な協調フィルタリングフレームワークである。
論文 参考訳(メタデータ) (2023-08-03T11:28:12Z) - Incentive-Theoretic Bayesian Inference for Collaborative Science [59.15962177829337]
未知のパラメータについて、プライベートな先行エージェントが存在する場合の仮説テストについて検討する。
エージェントの戦略行動によって明らかにされる情報を活用する統計的推論を行う方法を示す。
論文 参考訳(メタデータ) (2023-07-07T17:59:01Z) - Knowledge-Driven New Drug Recommendation [88.35607943144261]
既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。
EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。
その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
論文 参考訳(メタデータ) (2022-10-11T16:07:52Z) - AI and the future of pharmaceutical research [0.0]
この論文は、医薬品のAIの継続的な革新は、これまで治療できなかった病気に対する安全で効果的な治療法の迅速な開発を可能にすると論じている。
業界はすでに、薬物分子発見時間の10倍削減などの結果を報告している。
この論文は、医薬品のAIに焦点をあてることによって、業界はもう一つの大きな破壊、すなわちオープンなデータ共有とコラボレーションに向けて軌道を踏み出した、と結論付けている。
論文 参考訳(メタデータ) (2021-06-25T17:56:36Z) - SafeDrug: Dual Molecular Graph Encoders for Safe Drug Recommendations [59.590084937600764]
医薬品の分子構造とDDIのモデルを明確に活用するために、SafeDrugというDDI制御可能な薬物推奨モデルを提案する。
ベンチマークデータセットでは、SafeDrugはDDIを19.43%削減し、Jaccardの推奨薬物と実際に処方された薬物の組み合わせの2.88%を改善します。
論文 参考訳(メタデータ) (2021-05-05T00:20:48Z) - SDF-Bayes: Cautious Optimism in Safe Dose-Finding Clinical Trials with
Drug Combinations and Heterogeneous Patient Groups [84.63561578944183]
本稿では,薬物の最大許容量(MTD)を臨床試験で検索するための新しいベイズ設計であるSDF-Bayesを提案する。
SDF-Bayesは、1つの薬物の現在の投与量をエスカレートまたは脱エスカレートする従来の原則ではなく、慎重な楽観主義によって進行する。
合成データセットと実世界データセットの両方に基づく広範な実験は、最先端のDC試験設計よりもSDFベイズの利点を示しています。
論文 参考訳(メタデータ) (2021-01-26T18:59:26Z) - Network Medicine Framework for Identifying Drug Repurposing
Opportunities for COVID-19 [6.7410870290301]
現在のパンデミックは、SARS-CoV-2感染の潜在的な効果のために、迅速かつ確実に臨床承認された化合物を優先順位付けできる方法の必要性を強調している。
ここでは,人工知能,ネットワーク拡散,ネットワーク近接に頼ったアルゴリズムをデプロイし,SARS-CoV-2に対する効果を期待して,それぞれ6,340の薬物をランク付けする。
ほとんどのアルゴリズムは、これらの基底真理データに対して予測力を提供するが、すべてのデータセットやメトリクスに対して一貫した信頼性のある結果を提供する方法は存在しない。
論文 参考訳(メタデータ) (2020-04-15T17:40:29Z) - Bounded Incentives in Manipulating the Probabilistic Serial Rule [8.309903898123526]
確率的シリアルはインセンティブ互換ではない。
戦略行動による実質的な実用性の向上は、自己関心のエージェントがメカニズムを操作するきっかけとなる。
このメカニズムのインセンティブ比が$frac32$であることを示す。
論文 参考訳(メタデータ) (2020-01-28T23:53:37Z)
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。