論文の概要: Tree-based Subgroup Discovery In Electronic Health Records: Heterogeneity of Treatment Effects for DTG-containing Therapies

• arxiv url: http://arxiv.org/abs/2208.14329v1
• Date: Tue, 30 Aug 2022 15:10:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-31 13:32:45.975135
• Title: Tree-based Subgroup Discovery In Electronic Health Records: Heterogeneity of Treatment Effects for DTG-containing Therapies
• Title（参考訳）: 電子健康記録における木に基づくサブグループ発見:DTG治療における治療効果の不均一性
• Authors: Jiabei Yang, Ann W. Mwangi, Rami Kantor, Issa J. Dahabreh, Monicah Nyambura, Allison Delong, Joseph W. Hogan and Jon A. Steingrimsson
• Abstract要約: 縦断データを用いて不均一な処理効果を持つ部分群を探索する木に基づくアルゴリズムを開発した。 本アルゴリズムを用いて,ヒト免疫不全ウイルス(HIV)のサブグループを同定し,Dolutegravirを含む抗レトロウイルス療法(ART)を受ける場合と非Dolutegravirを含むARTを受ける場合とでは体重増加のリスクが高い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rich longitudinal individual level data available from electronic health records (EHRs) can be used to examine treatment effect heterogeneity. However, estimating treatment effects using EHR data poses several challenges, including time-varying confounding, repeated and temporally non-aligned measurements of covariates, treatment assignments and outcomes, and loss-to-follow-up due to dropout. Here, we develop the Subgroup Discovery for Longitudinal Data (SDLD) algorithm, a tree-based algorithm for discovering subgroups with heterogeneous treatment effects using longitudinal data by combining the generalized interaction tree algorithm, a general data-driven method for subgroup discovery, with longitudinal targeted maximum likelihood estimation. We apply the algorithm to EHR data to discover subgroups of people living with human immunodeficiency virus (HIV) who are at higher risk of weight gain when receiving dolutegravir-containing antiretroviral therapies (ARTs) versus when receiving non dolutegravir-containing ARTs.
• Abstract（参考訳）: 電子健康記録(ehrs)から得られる豊富な縦長個人レベルデータは、治療効果の多様性を調べるために使用できる。 しかし, EHRデータを用いた治療効果の推定には, 時間的差異, 時間的・時間的に不整合な共変量測定, 治療課題と結果, ドロップアウトによる損失・フォローアップなど, いくつかの課題がある。 本稿では, 汎用相互作用木アルゴリズムと, グループ探索のための汎用データ駆動手法と, 縦目標最大推定法を組み合わせることで, 縦方向データを用いた不均一な処理効果を持つサブグループを探索する木系アルゴリズムであるSDLDアルゴリズムを開発した。 本アルゴリズムは,ヒト免疫不全ウイルス (HIV) のサブグループに応用され,Dolutegravirを含む抗レトロウイルス療法 (ART) を受ける場合と非Dolutegravirを含むARTを受ける場合とでは体重増加のリスクが高い。

関連論文リスト

• On the Influence of Data Resampling for Deep Learning-Based Log Anomaly Detection: Insights and Recommendations [10.931620604044486]
  本研究は,多様なデータ再サンプリング手法が既存のADアプローチに与える影響を詳細に分析する。 クラス不均衡のレベルが異なる4つのデータセットにまたがるこれらのADアプローチの性能を評価する。 正常なデータと異常なデータの最適な再サンプリング率を利用する際のデータ再サンプリング手法の有効性を評価する。
  論文  参考訳（メタデータ） (2024-05-06T14:01:05Z)
• Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
  深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。 われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
  論文  参考訳（メタデータ） (2024-05-02T09:41:31Z)
• Heterogeneous treatment effect estimation with subpopulation identification for personalized medicine in opioid use disorder [8.508048654384787]
  本稿では,サブグループ同定と治療効果推定を組み込んだ,新しいニューラルネットワークベースのフレームワークSubgroupTEを紹介する。 オピオイド使用障害(OUD)に関連する実世界のデータセットの実験は、パーソナライズされた治療勧告を強化するためのアプローチの可能性を示している。
  論文  参考訳（メタデータ） (2024-01-30T14:02:49Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• Identifying Heterogeneous Treatment Effects in Multiple Outcomes using Joint Confidence Intervals [5.3410655248484]
  不均一治療効果(HTEs)はランダム化対照試験(RCTs)において一般的に同定される 共同CIに基づいて,複数の結果にまたがるサブグループを同定する枠組みを提案する。 我々は,2つの結果が存在する合成データと半合成データを用いて本アルゴリズムを検証し,両結果が同時にHTEを捕捉できることを実証した。
  論文  参考訳（メタデータ） (2022-12-02T20:43:47Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Deep Semi-Supervised Embedded Clustering (DSEC) for Stratification of Heart Failure Patients [50.48904066814385]
  本研究では、深層半教師付き組込みクラスタリングを用いて、心不全のデータ駆動型患者サブグループを決定する。 ヘテロジニアスデータから得られた組込み空間から臨床関連クラスタを見出した。 提案アルゴリズムは、異なる結果を持つ患者の新たな未診断サブグループを見つけることができる。
  論文  参考訳（メタデータ） (2020-12-24T12:56:46Z)
• DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
  時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。 DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
  論文  参考訳（メタデータ） (2020-10-28T15:05:08Z)
• Robust Recursive Partitioning for Heterogeneous Treatment Effects with Uncertainty Quantification [84.53697297858146]
  治療効果のサブグループ分析は、医療から公共政策、レコメンデーターシステムへの応用において重要な役割を担っている。 サブグループ分析の現在の手法のほとんどは、個別化処理効果(ITE)を推定するための特定のアルゴリズムから始まる。 本稿では、これらの弱点に対処する新しい部分群解析法R2Pを開発する。
  論文  参考訳（メタデータ） (2020-06-14T14:50:02Z)
• Causal Interaction Trees: Tree-Based Subgroup Identification for Observational Data [0.0]
  観察データを用いて治療効果を増強した被験者のサブグループを同定するための因果相互作用木を提案する。 データの観察特性を考慮した3つのサブグループ特異的処理効果推定器の特性を導出する。 本研究は, 重症心疾患患者に対する右心カテーテル治療の有効性を評価するための観察的研究である。
  論文  参考訳（メタデータ） (2020-03-06T05:51:27Z)

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。