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

• Quantifying Aleatoric Uncertainty of the Treatment Effect: A Novel Orthogonal Learner [72.20769640318969]
  医療の安全性と有効性を理解するためには,観測データから因果量の推定が重要である。 医療従事者は、平均因果量の推定だけでなく、治療効果のランダム性をランダムな変数として理解する必要がある。 このランダム性はアレタリック不確実性と呼ばれ、治療効果の利益や量子化の確率を理解するために必要である。
  論文  参考訳（メタデータ） (2024-11-05T18:14:49Z)
• 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)
• 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)
• 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)
• Adaptive Sequential Surveillance with Network and Temporal Dependence [1.7205106391379026]
  戦略的なテストアロケーションは、パンデミックと既存のパンデミックの両方のコントロールにおいて重要な役割を果たしている。 感染症の監視は、ユニークな統計上の課題を提示する。 適応型シーケンシャル監視のためのオンライン・スーパーラーナーを提案する。
  論文  参考訳（メタデータ） (2022-12-05T17:04:17Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• 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)
• The Adaptive Doubly Robust Estimator for Policy Evaluation in Adaptive Experiments and a Paradox Concerning Logging Policy [13.772109618082382]
  適応実験から得られた依存サンプルに対する2重頑健(DR)推定器を提案する。 提案するDR推定器は,他の推定器と比較して優れた性能を示す傾向にあるという実証的パラドックスを報告する。
  論文  参考訳（メタデータ） (2020-10-08T06:42:48Z)
• 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)

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。