論文の概要: Efficient estimation of weighted cumulative treatment effects by
double/debiased machine learning
- arxiv url: http://arxiv.org/abs/2305.02373v1
- Date: Wed, 3 May 2023 18:19:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 18:14:58.694241
- Title: Efficient estimation of weighted cumulative treatment effects by
double/debiased machine learning
- Title（参考訳）: double/debiased machine learning による重み付き累積治療効果の効率的評価
- Authors: Shenbo Xu and Bang Zheng and Bowen Su and Stan Finkelstein and Roy
Welsch and Kenney Ng and Ioanna Tzoulaki and Zach Shahn
- Abstract要約: 重み付き累積因果効果に対する一段階のクロスフィット型2重/脱バイアス型機械学習推定器を提案する。
本稿では,イギリスのプライマリ・ケア・データベースからの実世界観測データに提案手法を適用し,抗糖尿病薬のがん効果の比較を行った。
- 参考スコア（独自算出の注目度）: 3.086361225427304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In empirical studies with time-to-event outcomes, investigators often
leverage observational data to conduct causal inference on the effect of
exposure when randomized controlled trial data is unavailable. Model
misspecification and lack of overlap are common issues in observational
studies, and they often lead to inconsistent and inefficient estimators of the
average treatment effect. Estimators targeting overlap weighted effects have
been proposed to address the challenge of poor overlap, and methods enabling
flexible machine learning for nuisance models address model misspecification.
However, the approaches that allow machine learning for nuisance models have
not been extended to the setting of weighted average treatment effects for
time-to-event outcomes when there is poor overlap. In this work, we propose a
class of one-step cross-fitted double/debiased machine learning estimators for
the weighted cumulative causal effect as a function of restriction time. We
prove that the proposed estimators are consistent, asymptotically linear, and
reach semiparametric efficiency bounds under regularity conditions. Our
simulations show that the proposed estimators using nonparametric machine
learning nuisance models perform as well as established methods that require
correctly-specified parametric nuisance models, illustrating that our
estimators mitigate the need for oracle parametric nuisance models. We apply
the proposed methods to real-world observational data from a UK primary care
database to compare the effects of anti-diabetic drugs on cancer clinical
outcomes.
- Abstract（参考訳）: タイム・ツー・エフェクトの結果を用いた実証的研究では、ランダム化試験データが利用できない場合、調査者はしばしば観察データを利用して露光の影響を因果推論する。
モデル誤分類と重なりの欠如は観察研究において一般的な問題であり、平均的な治療効果の矛盾や非効率な推定要因につながることが多い。
重み付け効果を目標とする推定器は、重複度の低い課題に対処するために提案され、ニュアサンスモデルに対する柔軟な機械学習を可能にする手法は、モデルの誤特定に対処する。
しかし、ニュアンスモデルの機械学習を可能にするアプローチは、重複が不十分な場合の時間対結果に対する重み付け平均処理効果の設定にまで拡張されていない。
本研究では,制限時間の関数として重み付けされた累積因果効果に対して,一段階のクロスフィットダブル/デバイアス型機械学習推定器を提案する。
提案した推定器は整合性、漸近線形であり、正則性条件下で半パラメトリック効率境界に達することを証明した。
シミュレーションにより,非パラメトリック機械学習ニュアンスモデルを用いた推定器は,正確なパラメトリックニュアンスモデルを必要とする確立された手法と同様に動作し,オラクルパラメトリックニュアンスモデルの必要性を緩和することを示した。
本手法は,イギリスのプライマリケアデータベースから得られた実世界の観察データに適用し,抗糖尿病薬ががんの臨床成績に与える影響を比較する。
関連論文リスト
- Non-parametric efficient estimation of marginal structural models with multi-valued time-varying treatments [0.9558392439655012]
半パラメトリック効率理論の最近の発展とともに機械学習を用いて縦断的研究を行い,そのような推定器を提案する。
提案手法は, 各時点において, 結果と治療機構が一貫した推定値である場合, 連続的に2倍強固であることを示す。
論文 参考訳（メタデータ） (2024-09-27T14:29:12Z) - Valid causal inference with unobserved confounding in high-dimensional
settings [0.0]
半パラメトリックな推論が、観測されていない共同創設者や高次元ニュアンスモデルの存在下でどのように得られるかを示す。
本研究では、観測不能な共振を許容する不確実区間を提案し、観測不能な共振の量が小さい場合、その結果の推論が有効であることを示す。
論文 参考訳（メタデータ） (2024-01-12T13:21:20Z) - 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) - 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) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳（メタデータ） (2020-12-17T21:10:10Z) - Evaluating (weighted) dynamic treatment effects by double machine
learning [0.12891210250935145]
本研究では,データ駆動方式で動的処理の因果効果を評価する。
いわゆるNeyman-orthogonal score関数を用いて,中等度(局所的な)不特定性に対する治療効果推定の頑健さを示唆する。
推定子は正規に正規であり、特定の条件下では$sqrtn$-consistentであることを示す。
論文 参考訳（メタデータ） (2020-12-01T09:55:40Z) - 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) - Performance metrics for intervention-triggering prediction models do not
reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。
振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。
予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文 参考訳（メタデータ） (2020-06-02T16:26:49Z) - Nonparametric inverse probability weighted estimators based on the
highly adaptive lasso [0.966840768820136]
非パラメトリック逆確率重み付き推定器は非効率であり、次元性の呪いに苦しむことが知られている。
高度適応型ラッソのアンダースムーシングにより重み付け機構を推定する非パラメトリック逆確率重み付き推定器のクラスを提案する。
我々の開発は、大規模統計モデルと様々な問題設定における効率的な逆確率重み付き推定器の構築に幅広い意味を持つ。
論文 参考訳（メタデータ） (2020-05-22T17:49:46Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-04-21T23:09:55Z)
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。