論文の概要: Nonparametric estimation of a covariate-adjusted counterfactual treatment regimen response curve

• arxiv url: http://arxiv.org/abs/2309.16099v1
• Date: Thu, 28 Sep 2023 01:46:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-29 18:27:20.561248
• Title: Nonparametric estimation of a covariate-adjusted counterfactual treatment regimen response curve
• Title（参考訳）: 共変量調整した逆ファクト処理条件対応曲線の非パラメトリック推定
• Authors: Ashkan Ertefaie, Luke Duttweiler, Brent A. Johnson and Mark J. van der Laan
• Abstract要約: 治療体制下での平均結果を柔軟に推定することは、パーソナライズされた医療にとって重要なステップである。 本研究では,スムーズな規則応答曲線関数の逆確率重み付き非パラメトリック効率推定器を提案する。 いくつかの有限サンプル特性はシミュレーションによって探索される。
• 参考スコア（独自算出の注目度）: 2.7446241148152253
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Flexible estimation of the mean outcome under a treatment regimen (i.e., value function) is the key step toward personalized medicine. We define our target parameter as a conditional value function given a set of baseline covariates which we refer to as a stratum based value function. We focus on semiparametric class of decision rules and propose a sieve based nonparametric covariate adjusted regimen-response curve estimator within that class. Our work contributes in several ways. First, we propose an inverse probability weighted nonparametrically efficient estimator of the smoothed regimen-response curve function. We show that asymptotic linearity is achieved when the nuisance functions are undersmoothed sufficiently. Asymptotic and finite sample criteria for undersmoothing are proposed. Second, using Gaussian process theory, we propose simultaneous confidence intervals for the smoothed regimen-response curve function. Third, we provide consistency and convergence rate for the optimizer of the regimen-response curve estimator; this enables us to estimate an optimal semiparametric rule. The latter is important as the optimizer corresponds with the optimal dynamic treatment regimen. Some finite-sample properties are explored with simulations.
• Abstract（参考訳）: 治療体制下での平均結果(すなわち価値関数)の柔軟な推定は、パーソナライズされた医療への重要なステップである。 そこで我々は,対象パラメータを条件値関数として定義し,ベースライン共変数の集合を成層ベース値関数と呼ぶ。 我々は,半パラメトリックな決定規則のクラスに着目し,そのクラス内の非パラメトリックな共変量調整型レマン応答曲線推定器を提案する。 私たちの仕事はいくつかの点で貢献します。 まず、スムーズな規則応答曲線関数の逆確率重み付き非パラメトリック効率推定器を提案する。 ニュアサンス関数を十分に満たさないと漸近線型性が達成されることを示す。 アンダースムーシングの漸近的および有限なサンプル基準を提案する。 次に,ガウス過程理論を用いて,平滑化レジーメン-応答曲線関数に対する同時信頼区間を提案する。 第3に、レジーム-応答曲線推定器の最適化器の一貫性と収束率を提供するため、最適な半パラメトリック則を推定できる。 後者は最適化器が最適動的処理レジームに対応するため重要である。 いくつかの有限サンプル特性はシミュレーションによって探究される。

関連論文リスト

• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Inference on Optimal Dynamic Policies via Softmax Approximation [27.396891119011215]
  最適な治療体制に対するソフトマックスの簡単な近似は、真に最適な治療体制に対する妥当な推測を達成できることを示す。 我々の研究は、半パラメトリック推論と$g$-estimationの技法と適切な配列中央極限定理を組み合わせたものである。
  論文  参考訳（メタデータ） (2023-03-08T07:42:47Z)
• Kernel-based off-policy estimation without overlap: Instance optimality beyond semiparametric efficiency [53.90687548731265]
  本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。 任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
  論文  参考訳（メタデータ） (2023-01-16T02:57:37Z)
• Off-policy estimation of linear functionals: Non-asymptotic theory for semi-parametric efficiency [59.48096489854697]
  観測データに基づいて線形汎関数を推定する問題は、因果推論と包帯文献の両方において標準的である。 このような手順の平均二乗誤差に対して非漸近上界を証明した。 非漸近的局所ミニマックス下限をマッチングすることにより、有限標本のインスタンス依存最適性を確立する。
  論文  参考訳（メタデータ） (2022-09-26T23:50:55Z)
• Generalized Kernel Ridge Regression for Causal Inference with Missing-at-Random Sample Selection [3.398662563413433]
  非パラメトリック線量応答曲線と半パラメトリック処理効果に対するカーネルリッジ回帰推定器を提案する。 離散処理の場合,ルートnの整合性,ガウス近似,半パラメトリック効率を証明した。
  論文  参考訳（メタデータ） (2021-11-09T17:10:49Z)
• Optimal prediction for kernel-based semi-functional linear regression [5.827901300943599]
  半関数線形モデルにおける予測のための収束の最小値を求める。 その結果, よりスムーズな関数成分は, 非パラメトリック成分が知られているようなミニマックス速度で学習できることが判明した。
  論文  参考訳（メタデータ） (2021-10-29T04:55:44Z)
• Implicit Rate-Constrained Optimization of Non-decomposable Objectives [37.43791617018009]
  機械学習における制約付き最適化問題の一家系を考察する。 我々のキーとなる考え方は、閾値パラメータをモデルパラメータの関数として表現するレート制約のある最適化を定式化することである。 本稿では, 標準勾配法を用いて, 結果の最適化問題を解く方法を示す。
  論文  参考訳（メタデータ） (2021-07-23T00:04:39Z)
• Near-optimal inference in adaptive linear regression [60.08422051718195]
  最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。 我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。 我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-07-05T21:05:11Z)
• Optimal Rates for Random Order Online Optimization [60.011653053877126]
  敵が損失関数を選択できるカテットガルバー2020onlineについて検討するが、一様にランダムな順序で提示される。 2020onlineアルゴリズムが最適境界を達成し,安定性を著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-06-29T09:48:46Z)
• Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
  高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。 非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
  論文  参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。