論文の概要: Dynamic Borrowing Method for Historical Information Using a Frequentist
Approach for Hybrid Control Design
- arxiv url: http://arxiv.org/abs/2305.14679v1
- Date: Wed, 24 May 2023 03:38:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-25 20:10:09.146603
- Title: Dynamic Borrowing Method for Historical Information Using a Frequentist
Approach for Hybrid Control Design
- Title(参考訳): ハイブリット制御設計のための頻繁なアプローチによる履歴情報の動的借用法
- Authors: Masahiro Kojima
- Abstract要約: 本稿では,現在と過去のデータとの類似性に基づく,歴史的情報の動的借入手法を提案する。
本研究では,実際の臨床試験データを再解析し,借用情報の有用性を実証する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Information borrowing from historical data is gaining attention in clinical
trials of rare and pediatric diseases, where statistical power may be
insufficient for confirmation of efficacy if the sample size is small. Although
Bayesian information borrowing methods are well established, test-then-pool and
equivalence-based test-then-pool methods have recently been proposed as
frequentist methods to determine whether historical data should be used for
statistical hypothesis testing. Depending on the results of the hypothesis
testing, historical data may not be usable. This paper proposes a dynamic
borrowing method for historical information based on the similarity between
current and historical data. In our proposed method of dynamic information
borrowing, as in Bayesian dynamic borrowing, the amount of borrowing ranges
from 0% to 100%. We propose two methods using the density function of the
t-distribution and a logistic function as a similarity measure. We evaluate the
performance of the proposed methods through Monte Carlo simulations. We
demonstrate the usefulness of borrowing information by reanalyzing actual
clinical trial data.
- Abstract(参考訳): 症例サイズが小さければ有効性の確認に統計力が不十分な希少疾患や小児疾患の臨床試験では,過去のデータから得た情報に注目が集まっている。
ベイズ情報借入法は確立されているが,近年,統計的仮説テストに履歴データを用いるかどうかを判断する頻繁な手法として,テスト-then-pool法と等価性ベースのテスト-then-pool法が提案されている。
仮説テストの結果によっては、過去のデータは使用できない可能性がある。
本稿では,現在と歴史的データの類似性に基づく歴史情報の動的借用手法を提案する。
提案手法では,ベイズ動的借入の場合と同様に,借入量は0%から100%である。
t分布の密度関数と対数関数を類似度尺度として用いた2つの手法を提案する。
モンテカルロシミュレーションを用いて提案手法の性能評価を行った。
本研究は,実際の臨床試験データを再検討し,借用情報の有用性を示す。
関連論文リスト
- Rapid Bayesian identification of sparse nonlinear dynamics from scarce
and noisy data [2.5870115809699787]
我々はベイジアンフレームワーク内でSINDy法をリキャストし、ガウス近似を用いて計算を高速化する。
ベイジアン・シンディは推定したパラメータの不確かさを定量化するが、限られたノイズのあるデータから正しいモデルを学ぶ際にもより堅牢である。
論文 参考訳(メタデータ) (2024-02-23T14:41:35Z) - Model-free Test Time Adaptation for Out-Of-Distribution Detection [62.49795078366206]
我々はtextbfDistribution textbfDetection (abbr) のための非パラメトリックテスト時間 textbfAdaptation フレームワークを提案する。
Abbrは、オンラインテストサンプルを使用して、テスト中のモデル適応、データ分散の変更への適応性を向上させる。
複数のOOD検出ベンチマークにおける包括的実験により,abrの有効性を示す。
論文 参考訳(メタデータ) (2023-11-28T02:00:47Z) - Diverse Data Augmentation with Diffusions for Effective Test-time Prompt
Tuning [73.75282761503581]
DiffTPTを提案する。DiffTPTは,事前学習した拡散モデルを用いて,多種多様な情報データを生成する。
DiffTPTがゼロショット精度を平均5.13%向上することを示す。
論文 参考訳(メタデータ) (2023-08-11T09:36:31Z) - Fast kernel methods for Data Quality Monitoring as a goodness-of-fit
test [10.882743697472755]
本稿では,粒子検出器をリアルタイムで監視するための機械学習手法を提案する。
目標は、入ってくる実験データと参照データセットとの互換性を評価し、通常の状況下でのデータ挙動を特徴づけることである。
このモデルはカーネルメソッドの現代的な実装に基づいており、十分なデータを与えられた連続関数を学習できる非パラメトリックアルゴリズムである。
論文 参考訳(メタデータ) (2023-03-09T16:59:35Z) - Adapting to Continuous Covariate Shift via Online Density Ratio
Estimation [90.62832273403077]
分散シフトへの対処は、現代の機械学習における中心的な課題の1つだ。
我々の目標は、予測者が時間とともに蓄積される予測リスクを最小限に抑えるように、適応的に予測者を訓練することである。
論文 参考訳(メタデータ) (2023-02-06T04:03:33Z) - Evaluating Causal Inference Methods [0.4588028371034407]
我々は、因果推論手法を検証するために、深層生成モデルに基づくフレームワーク、クレデンスを導入する。
我々の研究は、因果推論手法を検証するために、深層生成モデルに基づくフレームワーク、クレデンスを導入している。
論文 参考訳(メタデータ) (2022-02-09T00:21:22Z) - Active Learning-Based Multistage Sequential Decision-Making Model with
Application on Common Bile Duct Stone Evaluation [8.296821186083974]
多段階の意思決定シナリオは、医療診断プロセスで一般的に見られる。
本稿では,必要な患者データのみを逐次的に収集する能動的学習法を開発した。
本手法の有効性をシミュレーション研究と実例研究の両方で検証した。
論文 参考訳(メタデータ) (2022-01-13T06:42:12Z) - Managing dataset shift by adversarial validation for credit scoring [5.560471251954645]
トレーニングデータの分布と実際に予測する必要があるデータとの矛盾は、モデルパフォーマンスの低下を引き起こす可能性がある。
本稿では,クレジットスコアリングシナリオにおけるデータセットシフト問題を軽減するための,逆検証に基づく手法を提案する。
論文 参考訳(メタデータ) (2021-12-19T07:07:15Z) - Scalable Marginal Likelihood Estimation for Model Selection in Deep
Learning [78.83598532168256]
階層型モデル選択は、推定困難のため、ディープラーニングではほとんど使われない。
本研究は,検証データが利用できない場合,限界的可能性によって一般化が向上し,有用であることを示す。
論文 参考訳(メタデータ) (2021-04-11T09:50:24Z) - 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) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳(メタデータ) (2020-09-12T20:37:33Z)
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。