論文の概要: A Double Machine Learning Approach for the Evaluation of COVID-19 Vaccine Effectiveness under the Test-Negative Design: Analysis of Québec Administrative Data
- arxiv url: http://arxiv.org/abs/2310.04578v2
- Date: Wed, 11 Dec 2024 22:16:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-13 17:01:05.614874
- Title: A Double Machine Learning Approach for the Evaluation of COVID-19 Vaccine Effectiveness under the Test-Negative Design: Analysis of Québec Administrative Data
- Title(参考訳): テスト負性設計下でのワクチン効果評価のための二重機械学習アプローチ:Québec管理データの解析
- Authors: Cong Jiang, Denis Talbot, Sara Carazo, Mireille E Schnitzer,
- Abstract要約: 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-
予防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)を導出する。
我々はTNDDR $sqrtn-$consistency, normality, double robustness の条件を確立する。
- 参考スコア(独自算出の注目度): 0.4249842620609683
- License:
- Abstract: 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, notably in Qu\'ebec, Canada. 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. Motivated by the goal of improving adjustment for measured confounders when estimating COVID-19 VE among community-dwelling people aged $\geq 60$ years in Qu\'ebec, we propose a one-step doubly robust and locally efficient estimator called TNDDR (TND doubly robust), which utilizes cross-fitting (sample splitting) and can incorporate machine learning techniques to estimate the nuisance functions and thus improve control for measured confounders. 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 estimator is supported by both theoretical and empirical justifications.
- Abstract(参考訳): 季節性インフルエンザワクチンの有効性(VE)の監視に日常的に使用されるテスト陰性設計(TND)は、最近、特にカナダのQu\'ebecで新型コロナウイルスワクチンの監視に欠かせないものとなっている。
いくつかの研究は、TNDの下での因果パラメータの同定と推定に対処しているが、未確定性仮定の下では、対象パラメータの非パラメトリック推定器の効率境界はまだ検討されていない。
クエベックで60歳以上の地域在住者を対象に、COVID-19 VE(COVID-19 VE)を推定する際の調整の改善を目標とし、クロスフィッティング(サンプル分割)を利用したTNDDR(TNDDR)と呼ばれる一段階の堅牢で局所的に効率的な推定器を提案し、機械学習技術を活用してニュアンス関数を推定し、測定した共同ファウンダーの制御を改善する。
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、TNDDRの二重堅牢性に関する条件を確立する。
提案した推定器は、理論的および実証的な正当化の両方によって支持される。
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。