論文の概要: Understanding the Impact of Competing Events on Heterogeneous Treatment
Effect Estimation from Time-to-Event Data
- arxiv url: http://arxiv.org/abs/2302.12718v1
- Date: Thu, 23 Feb 2023 14:28:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-27 13:00:10.936508
- Title: Understanding the Impact of Competing Events on Heterogeneous Treatment
Effect Estimation from Time-to-Event Data
- Title（参考訳）: 時系列データによる異種処理効果推定における競合イベントの影響の把握
- Authors: Alicia Curth and Mihaela van der Schaar
- Abstract要約: 本研究では,競合イベントの存在下での時間-時間データからヘテロジニアス処理効果(HTE)を推定する問題について検討する。
提案手法は,HTEを推定するための結果モデリング手法であり,既存の時間-時間データの予測モデルを,将来的な結果のプラグイン推定手段としてどのように利用できるかを検討する。
HTEの推定に汎用的な機械学習予測モデルを使用する場合、これらの課題がいつどのように機能するかを理論的に分析し、実証的に説明する。
- 参考スコア（独自算出の注目度）: 92.51773744318119
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the problem of inferring heterogeneous treatment effects (HTEs) from
time-to-event data in the presence of competing events. Albeit its great
practical relevance, this problem has received little attention compared to its
counterparts studying HTE estimation without time-to-event data or competing
events. We take an outcome modeling approach to estimating HTEs, and consider
how and when existing prediction models for time-to-event data can be used as
plug-in estimators for potential outcomes. We then investigate whether
competing events present new challenges for HTE estimation -- in addition to
the standard confounding problem --, and find that, because there are multiple
definitions of causal effects in this setting -- namely total, direct and
separable effects --, competing events can act as an additional source of
covariate shift depending on the desired treatment effect interpretation and
associated estimand. We theoretically analyze and empirically illustrate when
and how these challenges play a role when using generic machine learning
prediction models for the estimation of HTEs.
- Abstract（参考訳）: 競合イベントの存在下での時間-時間データからヘテロジニアス処理効果(HTE)を推定する問題について検討する。
その実践的関連性は大きいが、時間とイベントや競合するイベントを使わずにHTE推定を研究している人たちに比べて、この問題はほとんど注目されていない。
提案手法は,HTEを推定するための結果モデリング手法であり,既存の時間-時間データの予測モデルを,将来的な結果のプラグイン推定手段としてどのように利用できるかを検討する。
次に,hte推定の新たな課題 -- 標準連結問題に加えて -- について検討し,この設定に因果効果の定義が複数存在すること,すなわち総的,直接的,分離可能な効果 -- から,望ましい治療効果の解釈と関連する推定によって,競合イベントが共変シフトの新たな源として作用することを見出す。
hteの推定に汎用的な機械学習予測モデルを使用する場合,これらの課題がいつどのように作用するかを理論的に解析し,実証的に示す。
関連論文リスト
- On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-24T08:08:05Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳（メタデータ） (2023-10-09T18:34:29Z) - Logic and Commonsense-Guided Temporal Knowledge Graph Completion [9.868206060374991]
時間的知識グラフ(TKG)は、時間を含むデータから派生した事象を記憶する。
本稿では,時系列やイベントの因果性を含む時間依存表現を協調的に学習するためのLCGE(Logic and Commonsense-Guided Embedding Model)を提案する。
論文 参考訳（メタデータ） (2022-11-30T10:06:55Z) - CEP3: Community Event Prediction with Neural Point Process on Graph [59.434777403325604]
グラフニューラルネットワークとマーク付き時間点プロセス(MTPP)を組み合わせた新しいモデルを提案する。
実験では,モデルの精度と訓練効率の両面から,モデルの優れた性能を実証した。
論文 参考訳（メタデータ） (2022-05-21T15:30:25Z) - Causal Knowledge Guided Societal Event Forecasting [24.437437565689393]
本稿では,因果効果推定をイベント予測に組み込むディープラーニングフレームワークを提案する。
機能再重み付けモジュールと近似損失を含む2つの頑健な学習モジュールを導入し、事前の知識注入を可能にする。
論文 参考訳（メタデータ） (2021-12-10T17:41:02Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - Targeted VAE: Variational and Targeted Learning for Causal Inference [39.351088248776435]
観測データによる因果推論は、幅広いタスクで非常に有用である。
観察データを用いた因果推論の実施には,2つの重要な課題がある。
構造化推論とターゲット学習を組み合わせることで、これらの2つの課題に対処する。
論文 参考訳（メタデータ） (2020-09-28T16:55:24Z) - 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。