論文の概要: SECRETS: Subject-Efficient Clinical Randomized Controlled Trials using Synthetic Intervention

• arxiv url: http://arxiv.org/abs/2305.05078v1
• Date: Mon, 8 May 2023 22:37:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-10 20:00:55.218357
• Title: SECRETS: Subject-Efficient Clinical Randomized Controlled Trials using Synthetic Intervention
• Title（参考訳）: SECRETS:シンセティック・インターベンションを用いた臨床ランダム化試験
• Authors: Sayeri Lala (1) and Niraj K. Jha (1) ((1) Department of Electrical and Computer Engineering, Princeton University)
• Abstract要約: クロスオーバー試験は、個人ごとの処理効果を測定することで、サンプルサイズの要求を減らすことができる。 外部データを用いることなく, 患者ごとの個別治療効果(ITE)を推定する新しいフレームワークであるSECRETSを提案する。 この結果から,SECRETSはRCTのパワーを向上しつつ,同等の意義レベルを維持することができることがわかった。
• 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 randomized controlled trial (RCT) is the gold standard for estimating the average treatment effect (ATE) of a medical intervention but requires 100s-1000s of subjects, making it expensive and difficult to implement. While a cross-over trial can reduce sample size requirements by measuring the treatment effect per individual, it is only applicable to chronic conditions and interventions whose effects dissipate rapidly. Another approach is to replace or augment data collected from an RCT with external data from prospective studies or prior RCTs, but it is vulnerable to confounders in the external or augmented data. We propose to simulate the cross-over trial to overcome its practical limitations while exploiting its strengths. We propose a novel framework, SECRETS, which, for the first time, estimates the individual treatment effect (ITE) per patient in the RCT study without using any external data by leveraging a state-of-the-art counterfactual estimation algorithm, called synthetic intervention. It also uses a new hypothesis testing strategy to determine whether the treatment has a clinically significant ATE based on the estimated ITEs. We show that SECRETS can improve the power of an RCT while maintaining comparable significance levels; in particular, on three real-world clinical RCTs (Phase-3 trials), SECRETS increases power over the baseline method by $\boldsymbol{6}$-$\boldsymbol{54\%}$ (average: 21.5%, standard deviation: 15.8%).
• Abstract（参考訳）: ランダム化コントロールトライアル(RCT)は、医療介入の平均治療効果(ATE)を推定するための金の標準であるが、100～1000人の被験者を必要とするため、高価で実装が難しい。 クロスオーバー試験は、個人ごとの治療効果を測定することでサンプルサイズの要求を減らすことができるが、効果が急速に拡散する慢性的な条件や介入にのみ適用できる。 もうひとつのアプローチは、RCTから収集したデータを、先進的な研究やそれ以前のRCTの外部データに置き換えたり、拡張したりすることです。 我々は,その強みを生かしながら,その実用上の限界を克服するために,クロスオーバートライアルをシミュレートする。 本稿では, 合成介入(synthe-of-the-the-the-art counterfactual Estimation)アルゴリズムを用いて, 外部データを用いることなく, 患者の個別治療効果(ITE)を初めて推定する新しいフレームワークSECRETSを提案する。 また、新しい仮説テスト戦略を使用して、この治療が推定されたITTに基づいて臨床的に重要なATEを持つかどうかを判断する。 以上の結果から,SECRETSは実世界の3つの臨床RTT(Phase-3 臨床試験)において,平均21.5%,標準偏差15.8%,$-$\boldsymbol{6}$-$\boldsymbol{54\%}$(平均21.5%,標準偏差15.8%)で,RATのパワーを向上できることが示唆された。

関連論文リスト

• Progressive Generalization Risk Reduction for Data-Efficient Causal Effect Estimation [30.49865329385806]
  因果効果推定(英: Causal effect Estimation、CEE)は、エンティティの観測されていない反事実結果を予測する重要なツールである。 本稿では,ラベル付きデータサンプルが最初から不足している,より現実的なCEE設定について検討する。 バッチワイズラベル取得のためのモデルアグノスティック因果アクティブラーニング(MACAL)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-11-18T03:17:40Z)
• Training and Validating a Treatment Recommender with Partial Verification Evidence [1.0693162404690828]
  現在の臨床意思決定支援システム(DSS)は,対象クリニックの観察データに基づいて訓練され,検証されている。 ランダム化臨床試験(RCT)で検証されるが、どの診療所にも導入されていない。 主な課題は、治療の割り当てに対する根拠の欠如(割り当てはランダムである)、証拠の欠如である。
  論文  参考訳（メタデータ） (2024-06-10T09:23:00Z)
• Adaptive-TMLE for the Average Treatment Effect based on Randomized Controlled Trial Augmented with Real-World Data [0.0]
  ランダム化制御試験(RCT)データと実世界データ(RWD)データの両方が利用可能である場合,平均処理効果(ATE)を推定する問題を考察する。 適応型最小損失ベース推定フレームワークを導入して推定する。
  論文  参考訳（メタデータ） (2024-05-12T07:10:26Z)
• A Weighted Prognostic Covariate Adjustment Method for Efficient and Powerful Treatment Effect Inferences in Randomized Controlled Trials [0.28087862620958753]
  ランダム化制御試験(RCT)の重要な課題は、効率的な推定器と治療効果の強力な試験を得られる統計手法を特定することである。 過去の制御データに基づいて生成AIアルゴリズムを訓練することにより、RDT参加者のためのデジタルツインジェネレータ(DTG)を構築することができる。 DTGは、RTT参加者の潜在的制御結果の確率分布を生成する。
  論文  参考訳（メタデータ） (2023-09-25T16:14:13Z)
• Improved Policy Evaluation for Randomized Trials of Algorithmic Resource Allocation [54.72195809248172]
  提案する新しい概念を応用した新しい推定器を提案する。 我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
  論文  参考訳（メタデータ） (2023-02-06T05:17:22Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [62.44901952244514]
  条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。 集約分析では、通常は分布処理効果(DTE)の測定によって対処される。 我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• 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)
• Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
  ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。 この課題に対処するための新しいクロスバリデーションのような方法論を提供する。 本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
  論文  参考訳（メタデータ） (2021-12-14T17:53:01Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)
• Estimating heterogeneous survival treatment effect in observational data using machine learning [9.951103976634407]
  観測データにおける不均一な処理効果を推定する方法は, 連続的あるいは二分的な結果に大きく焦点を絞っている。 対物的フレームワークで柔軟な機械学習手法を使用することは、複雑な個人特性による課題に対処するための有望なアプローチである。
  論文  参考訳（メタデータ） (2020-08-17T01:02:14Z)

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。