論文の概要: TNDDR: Efficient and doubly robust estimation of COVID-19 vaccine
effectiveness under the test-negative design
- arxiv url: http://arxiv.org/abs/2310.04578v1
- Date: Fri, 6 Oct 2023 20:40:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 17:29:28.338054
- Title: TNDDR: Efficient and doubly robust estimation of COVID-19 vaccine
effectiveness under the test-negative design
- Title（参考訳）: TNDDR:テスト陰性設計による新型コロナウイルスワクチンの有効性の効率的かつ二重性評価
- Authors: Cong Jiang, Denis Talbot, Sara Carazo, Mireille E Schnitzer
- Abstract要約: テスト陰性設計(TND)は、結果依存サンプリングによる選択バイアスの影響を受けやすい。
我々はTNDDR(TND-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D- D-D-D-D-D-D-D-D-D-D-D-D-D-D-D
カナダ・クエベック州の地域在住高齢者(高齢者60ドル以上)の管理データセットに、COVID-19 VEを推定するために適用した。
- 参考スコア（独自算出の注目度）: 0.46426477564038643
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While the test-negative design (TND), which is routinely used for monitoring
seasonal flu vaccine effectiveness (VE), has recently become integral to
COVID-19 vaccine surveillance, it is susceptible to selection bias due to
outcome-dependent sampling. Some studies have addressed the identifiability and
estimation of causal parameters under the TND, but efficiency bounds for
nonparametric estimators of the target parameter under the unconfoundedness
assumption have not yet been investigated. We propose a one-step doubly robust
and locally efficient estimator called TNDDR (TND doubly robust), which
utilizes sample splitting and can incorporate machine learning techniques to
estimate the nuisance functions. We derive the efficient influence function
(EIF) for the marginal expectation of the outcome under a vaccination
intervention, explore the von Mises expansion, and establish the conditions for
$\sqrt{n}-$consistency, asymptotic normality and double robustness of TNDDR.
The proposed TNDDR is supported by both theoretical and empirical
justifications, and we apply it to estimate COVID-19 VE in an administrative
dataset of community-dwelling older people (aged $\geq 60$y) in the province of
Qu\'ebec, Canada.
- Abstract（参考訳）: 季節性インフルエンザワクチンの有効性の監視に日常的に使用されるテスト陰性設計(TND)は、最近新型コロナウイルスワクチンの監視に不可欠なものとなっているが、結果依存サンプリングによる選択バイアスの影響を受けやすい。
tnd下での因果パラメータの同定可能性と推定にいくつかの研究が取り組まれているが、未確定性仮定の下での目標パラメータの非パラメトリック推定器の効率限界はまだ調査されていない。
そこで本研究では,tnddr (tnd doubly robust) と呼ばれる1ステップ2重ロバストかつ局所効率の良い推定器を提案する。
我々は、ワクチン接種介入による結果の限界期待に対する効率的な影響関数(EIF)を導出し、フォン・ミゼスの展開を探索し、$\sqrt{n}-$一貫性、漸近正規性とTNDDRの二重堅牢性について条件を確立する。
提案したTNDDRは, 理論的および実証的な正当性の両方で支持され, カナダ・クエベック州における地域在住高齢者の管理データセットに, COVID-19 VEを推定する。
関連論文リスト
- Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。
オラクル形式は影響関数の一貫した近似であることを示す。
次に、平均二乗誤差の観点から総合収束解析を行う。
論文 参考訳（メタデータ） (2023-09-22T12:18:53Z) - A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation [0.0]
本稿では,メタ・ラーナーの観点からの因果抽出効果の推定について再検討する。
提案する推定器の特性を理論的および広範囲なシミュレーションにより比較する。
その結果, 相対効率が向上し, 既存手法の2倍頑健な代替案が提案された。
論文 参考訳（メタデータ） (2023-06-28T15:19:33Z) - Causal Estimation of Exposure Shifts with Neural Networks [2.9248916859490173]
本稿では、ニューラルネットワーク(TRESNET)を用いた露光シフトのための目標正規化を導入し、シフト応答関数(SRF)の推定を行う。
次に,米国国家大気基準(NAAQS)を12$mug/m3$から9$mug/m3$に改定する際の因果効果を推定するために,本手法を適用した。
論文 参考訳（メタデータ） (2023-02-06T04:35:08Z) - Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。
主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。
DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
論文 参考訳（メタデータ） (2023-01-01T05:02:46Z) - An Efficient Approach for Optimizing the Cost-effective Individualized
Treatment Rule Using Conditional Random Forest [5.406112598028401]
我々は、NMB(net-monetary-benefit)という概念を用いて、健康上の利益と関連するコストのトレードオフを評価する。
NMBに基づく分類アルゴリズムを用いて最適なCE-ITRを同定する。
我々は、NIHが出資したSystolic Blood Pressure Intervention Trialにトップパフォーマンスのアルゴリズムを適用した。
論文 参考訳（メタデータ） (2022-04-23T01:36:24Z) - When in Doubt: Neural Non-Parametric Uncertainty Quantification for
Epidemic Forecasting [70.54920804222031]
既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。
不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。
本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
論文 参考訳（メタデータ） (2021-06-07T18:31:47Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳（メタデータ） (2020-12-08T21:21:47Z) - How Robust are the Estimated Effects of Nonpharmaceutical Interventions
against COVID-19? [46.28845358816497]
現状NPIの有効性モデルを2つ検討し, 構造的仮定の異なる6つの変種を提案する。
我々は,NPIの有効性評価が未確認の国にどのように一般化するか,および未観測の要因に対する感受性について検討した。
我々は、ある共通仮定が成り立たない場合に、NPIの有効性推定の解釈を数学的に基礎とする。
論文 参考訳（メタデータ） (2020-07-27T11:49:54Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Efficient Adaptive Experimental Design for Average Treatment Effect Estimation [20.361745967568154]
適応実験を用いて平均治療効果(ATE)を効率的に推定する方法を検討する。
適応実験において、実験者は過去のデータに基づいて治療確率を更新しながら、順次実験単位に治療を割り当てる。
提案した設計の任意のラウンドで有効である非パラメトリックおよび非漸近信頼区間を開発する。
論文 参考訳（メタデータ） (2020-02-13T02:04:17Z)
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。