論文の概要: On Heterogeneous Treatment Effects in Heterogeneous Causal Graphs

• arxiv url: http://arxiv.org/abs/2301.12383v1
• Date: Sun, 29 Jan 2023 07:36:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-31 17:26:21.703916
• Title: On Heterogeneous Treatment Effects in Heterogeneous Causal Graphs
• Title（参考訳）: 不均一因果グラフにおける不均一処理効果について
• Authors: Richard A Watson, Hengrui Cai, Xinming An, Samuel McLean, Rui Song
• Abstract要約: まず,創始者に基づくインタラクションと複数のメディエータによる因果グラフモデルを一般化することにより,異種因果グラフ(HCG)を概念化する。 これにより、異なるモデレーターが与えられたHCGを柔軟に生成し、その結果に対する治療または潜在的なメディエータからHCEを明示的に特徴付けることができる。 複雑なHCGとHCEを信頼区間で推定するインタラクティブな構造学習法を開発した。
• 参考スコア（独自算出の注目度）: 8.905539259327057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Heterogeneity and comorbidity are two interwoven challenges associated with various healthcare problems that greatly hampered research on developing effective treatment and understanding of the underlying neurobiological mechanism. Very few studies have been conducted to investigate heterogeneous causal effects (HCEs) in graphical contexts due to the lack of statistical methods. To characterize this heterogeneity, we first conceptualize heterogeneous causal graphs (HCGs) by generalizing the causal graphical model with confounder-based interactions and multiple mediators. Such confounders with an interaction with the treatment are known as moderators. This allows us to flexibly produce HCGs given different moderators and explicitly characterize HCEs from the treatment or potential mediators on the outcome. We establish the theoretical forms of HCEs and derive their properties at the individual level in both linear and nonlinear models. An interactive structural learning is developed to estimate the complex HCGs and HCEs with confidence intervals provided. Our method is empirically justified by extensive simulations and its practical usefulness is illustrated by exploring causality among psychiatric disorders for trauma survivors.
• Abstract（参考訳）: 異種性と共生性は、様々な医療問題にかかわる2つの課題であり、基礎となる神経生物学的メカニズムの効果的な治療と理解に関する研究を著しく妨げている。 統計学的手法の欠如により, グラフィカルな文脈におけるヘテロジニアス因果効果(HCE)を調査する研究はほとんど行われていない。 この不均一性を特徴付けるために,我々はまず,共起的相互作用と複数の仲介者による因果的グラフィカルモデルを一般化し,異種因果グラフ(hcgs)の概念化を行った。 このような治療と相互作用を持つ共同創設者はモデレーターとして知られている。 これにより、異なるモデレーターが与えられたHCGを柔軟に生成し、その結果に対する治療または潜在的なメディエータからHCEを明示的に特徴付けることができる。 我々はHCEの理論形式を確立し、線形モデルと非線形モデルの両方においてそれらの性質を個々のレベルで導出する。 複雑なHCGとHCEを信頼区間で推定するインタラクティブな構造学習法を開発した。 本手法は広範囲なシミュレーションにより実証的に正当化され, 外傷被害者に対する精神疾患の因果関係を探究し, その実用性を示した。

関連論文リスト

• Solving the Inverse Problem of Electrocardiography for Cardiac Digital Twins: A Survey [6.1689808850463335]
  心臓デジタル双生児(英: Cardiac Digital twins、CDT)は、複雑な心臓機構を理解するために使用される仮想表現である。 近年の計算手法の進歩により、ECG逆推論の精度と効率が大幅に向上した。 本稿では,心電図逆問題,検証戦略,臨床応用,今後の展望を概観する。
  論文  参考訳（メタデータ） (2024-06-17T11:57:14Z)
• Causal machine learning for single-cell genomics [94.28105176231739]
  単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。 まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。 次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
  論文  参考訳（メタデータ） (2023-10-23T13:35:24Z)
• ODBAE: a high-performance model identifying complex phenotypes in high-dimensional biological datasets [17.61868583360252]
  ODBAE (Outlier Detection using Balanced Autoencoders) は、微妙かつ極端な外れ値の両方を明らかにするために設計された機械学習手法である。 以上の結果から,ODBAEは生体系における関節異常の検出と恒常性摂動の理解の促進に有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-11-06T07:56:33Z)
• Causal Inference via Nonlinear Variable Decorrelation for Healthcare Applications [60.26261850082012]
  線形および非線形共振の両方を扱う可変デコリレーション正規化器を用いた新しい手法を提案する。 我々は、モデル解釈可能性を高めるために、元の特徴に基づくアソシエーションルールマイニングを用いた新しい表現として、アソシエーションルールを採用する。
  論文  参考訳（メタデータ） (2022-09-29T17:44:14Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Heterogeneous Graph Neural Networks using Self-supervised Reciprocally Contrastive Learning [102.9138736545956]
  不均一グラフニューラルネットワーク(HGNN)は異種グラフのモデリングと解析において非常に一般的な手法である。 我々は,ノード属性とグラフトポロジの各ガイダンスに関する2つの視点を取り入れた,新規で頑健なヘテロジニアスグラフコントラスト学習手法であるHGCLを初めて開発する。 この新しいアプローチでは,属性とトポロジに関連情報を別々にマイニングする手法として,異なるが最も適した属性とトポロジの融合機構を2つの視点に適用する。
  論文  参考訳（メタデータ） (2022-04-30T12:57:02Z)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
  因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。 Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。 純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
  論文  参考訳（メタデータ） (2021-03-26T02:42:38Z)
• Supervised clustering of high dimensional data using regularized mixture modeling [10.379438073740003]
  CSMRと呼ばれるペナル化混合回帰モデルを用いて,高次元分子特徴と表現型との異種関係を解析する手法を提案する。 このアルゴリズムはクラスタリング問題に対する新しい教師付きソリューションを提供する分類予測アルゴリズムから適応された。 シミュレーションされたベンチマークデータセットの実験的評価により、CSMRは応答変数に対して特徴のサブセットが説明可能な部分空間を正確に識別できることを示した。
  論文  参考訳（メタデータ） (2020-07-19T17:04:07Z)
• Interpretable multimodal fusion networks reveal mechanisms of brain cognition [26.954460880062506]
  我々は,自動診断と結果解釈を同時に行うことができる,解釈可能なマルチモーダル融合モデルgCAM-CCLを開発した。 脳画像遺伝学的研究におけるgCAM-CCLモデルの有効性を検証し,gCAM-CCLの分類と機構解析の両面において良好な性能を示した。
  論文  参考訳（メタデータ） (2020-06-16T18:52:50Z)
• Pursuing Sources of Heterogeneity in Modeling Clustered Population [16.936362485508774]
  不均一な追従と特徴選択を同時に達成するために、正規化有限混合効果回帰を提案する。 これらの効果の制約付きスパース推定は、共通の効果を持つ変数と不均一な効果を持つ変数の両方を同定する。 アルツハイマー病の遺伝的要因と脳の特徴を関連付けるための画像遺伝学研究、青年期における自殺リスクと学区の特徴との関係を探る公衆衛生学研究、野球選手の給与水準がパフォーマンスと契約状態とどのように関連しているかを理解するためのスポーツ分析研究の3つの応用が提示されている。
  論文  参考訳（メタデータ） (2020-03-10T14:59:35Z)

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。