論文の概要: Image-based Treatment Effect Heterogeneity
- arxiv url: http://arxiv.org/abs/2206.06417v1
- Date: Mon, 13 Jun 2022 18:52:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-15 15:00:54.268978
- Title: Image-based Treatment Effect Heterogeneity
- Title（参考訳）: 画像に基づく治療効果の不均一性
- Authors: Connor T. Jerzak, Fredrik Johansson, Adel Daoud
- Abstract要約: 本研究では, 深層確率モデルを用いて, 処理効果に対して同じ分布を持つ画像群を推定する手法を開発した。
平均処理効果(ATE)回復におけるクラスタモデルの信頼性を確保するために、因果正則化ペナルティを導入する。
オープンソースソフトウェアパッケージで、すべてのモデリング戦略のコードを公開しています。
- 参考スコア（独自算出の注目度）: 1.933681537640272
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Randomized controlled trials (RCTs) are considered the gold standard for
estimating the effects of interventions. Recent work has studied effect
heterogeneity in RCTs by conditioning estimates on tabular variables such as
age and ethnicity. However, such variables are often only observed near the
time of the experiment and may fail to capture historical or geographical
reasons for effect variation. When experiment units are associated with a
particular location, satellite imagery can provide such historical and
geographical information, yet there is no method which incorporates it for
describing effect heterogeneity. In this paper, we develop such a method which
estimates, using a deep probabilistic modeling framework, the clusters of
images having the same distribution over treatment effects. We compare the
proposed methods against alternatives in simulation and in an application to
estimating the effects of an anti-poverty intervention in Uganda. A causal
regularization penalty is introduced to ensure reliability of the cluster model
in recovering Average Treatment Effects (ATEs). Finally, we discuss
feasibility, limitations, and the applicability of these methods to other
domains, such as medicine and climate science, where image information is
prevalent. We make code for all modeling strategies publicly available in an
open-source software package.
- Abstract（参考訳）: ランダム化制御試験(RCTs)は介入の効果を推定するための金の基準と考えられている。
最近の研究では、年齢や民族性などの表式変数に対する推定条件付けによって、rctにおける効果の多様性が研究されている。
しかし、そのような変数は実験の前後でのみ観測されることが多く、歴史的または地理的な影響の理由を捉えられないことがある。
実験単位が特定の場所と関連付けられると、衛星画像はそのような歴史的・地理的情報を提供することができるが、効果の不均一性を記述するためにそれを組み込む方法は存在しない。
本稿では,治療効果に対して同一の分布を持つ画像群を,より確率的モデリングフレームワークを用いて推定する手法を開発した。
提案手法をシミュレーションおよびウガンダにおける抗貧困介入の効果を推定するために,提案手法を代替案と比較した。
平均治療効果(ATE)を回復する際のクラスタモデルの信頼性を確保するために、因果正則化ペナルティを導入する。
最後に,画像情報の普及にともなう医学や気候科学など,これらの手法の適用可能性,限界,適用性について論じる。
すべてのモデリング戦略のコードをオープンソースソフトウェアパッケージで公開しています。
関連論文リスト
- Identification of Single-Treatment Effects in Factorial Experiments [0.0]
実験において複数の介入がランダム化されている場合、実験環境外において単一の介入が与える影響は、不在の英雄的仮定とは見なされないことを示す。
観測研究と要因実験は、ゼロおよび複数介入による潜在的アウトカム分布に関する情報を提供する。
この種の設計に頼っている研究者は、関数形式の線形性を正当化するか、あるいはDirected Acyclic Graphsで変数が実世界でどのように関連しているかを特定する必要がある。
論文 参考訳（メタデータ） (2024-05-16T04:01:53Z) - Integrating Earth Observation Data into Causal Inference: Challenges and
Opportunities [1.933681537640272]
我々は、衛星画像に見られるパターンや物体が共同創設者のバイアスに寄与する、非タブラルな設定で共同創設者の調整を研究する。
我々はこれらのツールを用いて、衛星画像からアフリカのコミュニティにおける反ポルノ介入の効果を推定する。
論文 参考訳（メタデータ） (2023-01-30T15:29:21Z) - Falsification before Extrapolation in Causal Effect Estimation [6.715453431174765]
個体群における因果関係は、しばしば観測データを用いて推定される。
本稿では,偏りのある観測推定を拒否するメタアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-09-27T21:47:23Z) - Estimating Causal Effects Under Image Confounding Bias with an
Application to Poverty in Africa [1.933681537640272]
決定は、画像で検出されたパターンやオブジェクトによって通知される、非タブラルな設定で行われることが多い。
このようなイメージを因果推論に用いたのは、画像中の物体が関心の処理と結果に関係している可能性があるためである。
現実世界の応用によって動機付けられ、我々はこの課題を形式化し、どのように扱うことができるか、因果効果を特定し推定するのに十分な条件を定式化する。
論文 参考訳（メタデータ） (2022-06-13T18:33:05Z) - BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。
BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
論文 参考訳（メタデータ） (2022-06-03T16:25:48Z) - Treatment Effect Risk: Bounds and Inference [58.442274475425144]
平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。
本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。
いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
論文 参考訳（メタデータ） (2022-01-15T17:21:26Z) - Identifiable Energy-based Representations: An Application to Estimating
Heterogeneous Causal Effects [83.66276516095665]
条件付き平均治療効果(CATEs)は、多数の個体にまたがる不均一性について理解することができる。
典型的なCATE学習者は、CATEが識別可能であるために、すべての共起変数が測定されていると仮定する。
本稿では,ノイズコントラッシブ損失関数を用いて,変数の低次元表現を学習するエネルギーベースモデルを提案する。
論文 参考訳（メタデータ） (2021-08-06T10:39:49Z) - What can the millions of random treatments in nonexperimental data
reveal about causes? [0.0]
この記事ではこのようなモデルとベイズ的アプローチを紹介し、非経験的データで典型的に使用可能な 1(n2)$ のペアワイズ観測を組み合わせる。
提案手法は, 一般のnswサンプル, 任意のサブポピュレーションおよび大容量スーパーサンプルにおいて, 因果効果を回復することを示す。
論文 参考訳（メタデータ） (2021-05-03T20:13:34Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z) - Selecting Treatment Effects Models for Domain Adaptation Using Causal
Knowledge [82.5462771088607]
監視されていないドメイン適応設定下でITE法用に特別に設計された新しいモデル選択メトリックを提案する。
特に,介入効果の予測が対象領域の既知の因果構造を満たすモデルを選択することを提案する。
論文 参考訳（メタデータ） (2021-02-11T21:03:14Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳（メタデータ） (2020-06-14T01:15:00Z)
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。