論文の概要: Stable Estimation of Survival Causal Effects
- arxiv url: http://arxiv.org/abs/2310.02278v1
- Date: Sun, 1 Oct 2023 00:04:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 18:22:24.107942
- Title: Stable Estimation of Survival Causal Effects
- Title(参考訳): 生存因果効果の安定推定
- Authors: Khiem Pham, David A. Hirshberg, Phuong-Mai Huynh-Pham, Michele
Santacatterina, Ser-Nam Lim, Ramin Zabih
- Abstract要約: 生存因果効果を推定する問題について検討する。
目的は、介入が生存時間、すなわちイベントが起こるのにどのくらいの時間を要するかを特徴づけることである。
- 参考スコア(独自算出の注目度): 35.62449615170679
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the problem of estimating survival causal effects, where the aim is
to characterize the impact of an intervention on survival times, i.e., how long
it takes for an event to occur. Applications include determining if a drug
reduces the time to ICU discharge or if an advertising campaign increases
customer dwell time. Historically, the most popular estimates have been based
on parametric or semiparametric (e.g. proportional hazards) models; however,
these methods suffer from problematic levels of bias. Recently debiased machine
learning approaches are becoming increasingly popular, especially in
applications to large datasets. However, despite their appealing theoretical
properties, these estimators tend to be unstable because the debiasing step
involves the use of the inverses of small estimated probabilities -- small
errors in the estimated probabilities can result in huge changes in their
inverses and therefore the resulting estimator. This problem is exacerbated in
survival settings where probabilities are a product of treatment assignment and
censoring probabilities. We propose a covariate balancing approach to
estimating these inverses directly, sidestepping this problem. The result is an
estimator that is stable in practice and enjoys many of the same theoretical
properties. In particular, under overlap and asymptotic equicontinuity
conditions, our estimator is asymptotically normal with negligible bias and
optimal variance. Our experiments on synthetic and semi-synthetic data
demonstrate that our method has competitive bias and smaller variance than
debiased machine learning approaches.
- Abstract(参考訳): 本研究では、生存時間に対する介入の影響を特徴付けることを目的とした生存因果効果の推定問題、すなわちイベントの発生に要する時間について検討する。
アプリケーションは、薬物がicuの退院までの時間を短縮するか、広告キャンペーンが顧客の生活時間を増やすかを判断することを含む。
歴史的に、最も一般的な推定はパラメトリックまたは半パラメトリック(例えば比例ハザード)モデルに基づいているが、これらの手法は問題のあるバイアスレベルである。
近年、特に大規模データセットへのアプリケーションにおいて、偏りのない機械学習アプローチが人気が高まっている。
しかし、その魅力的な理論的性質にもかかわらず、これらの推定器は不安定である傾向があり、これはデバイアスングステップが小さな推定確率の逆数を使用するためであり、推定確率の小さな誤差はそれらの逆数に大きな変化をもたらし、その結果、推定器が生じるためである。
この問題は、確率が治療課題の産物であり、確率を検閲する生存環境において悪化する。
本稿では,これらの逆を直接推定する共変量バランス手法を提案する。
結果は、実際に安定であり、同じ理論的性質の多くを享受する推定器である。
特に、重なり合いや漸近的等連続性条件の下では、我々の推定子は漸近的に正規であり、無視できるバイアスと最適分散である。
合成および半合成データを用いた実験により,本手法は偏りのある機械学習手法よりも競合バイアスとばらつきが小さいことを証明した。
関連論文リスト
- Quantifying predictive uncertainty of aphasia severity in stroke
patients with sparse heteroscedastic Bayesian high-dimensional regression [49.504432873468254]
高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。
本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
論文 参考訳(メタデータ) (2023-09-15T22:06:29Z) - Robustness Evaluation of Regression Tasks with Skewed Domain Preferences [3.42658286826597]
我々は同時に2つのカプセル化問題に対処する。
まず、一様でない選好が適用される場合の回帰モデルの性能を評価する。
第二に、そのような問題に関連する実際の値の分布に関する不確実性を扱う際のモデルの堅牢性を評価する。
論文 参考訳(メタデータ) (2022-12-15T00:37:41Z) - 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) - Deep Probability Estimation [14.659180336823354]
深層ニューラルネットワークを用いた高次元データからの確率推定について検討する。
この研究の目的は、ディープニューラルネットワークを用いた高次元データからの確率推定を調査することである。
合成データおよび実世界の3つの確率推定タスクにおける既存手法の評価を行った。
論文 参考訳(メタデータ) (2021-11-21T03:55:50Z) - Learning to Estimate Without Bias [57.82628598276623]
ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。
本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。
BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
論文 参考訳(メタデータ) (2021-10-24T10:23:51Z) - 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) - Machine Learning for Variance Reduction in Online Experiments [1.9181913148426697]
MLRATEと呼ばれる機械学習回帰調整処理効果推定器を提案する。
MLRATEは、結果の機械学習予測器を使用して推定値の分散を低減する。
A/Aテストでは、Facebookの実験で一般的に監視される48の結果メトリクスのセットに対して、推定器は単純な差分推定器よりも70%以上低いばらつきを持つ。
論文 参考訳(メタデータ) (2021-06-14T09:35:54Z) - SLOE: A Faster Method for Statistical Inference in High-Dimensional
Logistic Regression [68.66245730450915]
実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。
私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
論文 参考訳(メタデータ) (2021-03-23T17:48:56Z) - Counterfactual Inference of the Mean Outcome under a Convergence of
Average Logging Probability [5.596752018167751]
本稿では,適応実験で得られたサンプルから,アクションの平均結果を推定する。
適応実験では、過去の観測に基づいて行動を選択する確率を逐次更新することができる。
論文 参考訳(メタデータ) (2021-02-17T19:05:53Z) - 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) - 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)
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。