論文の概要: Adaptive Experiment Design with Synthetic Controls
- arxiv url: http://arxiv.org/abs/2401.17205v1
- Date: Tue, 30 Jan 2024 17:45:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 13:55:17.872180
- Title: Adaptive Experiment Design with Synthetic Controls
- Title（参考訳）: 合成制御による適応実験設計
- Authors: Alihan H\"uy\"uk, Zhaozhi Qian, Mihaela van der Schaar
- Abstract要約: そこで我々は,多くのサブポピュレーションのうち,ポジティブな治療効果を有するサブポピュレーションを同定する探索的トライアル設計であるSyntaxを提案する。
我々は,Syntaxの性能を検証し,実験を通じて従来の試行設計よりも有利になる可能性について考察する。
- 参考スコア（独自算出の注目度）: 79.69661880236293
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Clinical trials are typically run in order to understand the effects of a new
treatment on a given population of patients. However, patients in large
populations rarely respond the same way to the same treatment. This
heterogeneity in patient responses necessitates trials that investigate effects
on multiple subpopulations - especially when a treatment has marginal or no
benefit for the overall population but might have significant benefit for a
particular subpopulation. Motivated by this need, we propose Syntax, an
exploratory trial design that identifies subpopulations with positive treatment
effect among many subpopulations. Syntax is sample efficient as it (i) recruits
and allocates patients adaptively and (ii) estimates treatment effects by
forming synthetic controls for each subpopulation that combines control samples
from other subpopulations. We validate the performance of Syntax and provide
insights into when it might have an advantage over conventional trial designs
through experiments.
- Abstract（参考訳）: 臨床試験は通常、特定の患者に新しい治療法が与える影響を理解するために行われる。
しかし、大人口の患者が同じ治療に反応することは滅多にない。
この患者反応の不均一性は、複数の亜集団に対する影響を調べるための臨床試験を必要とし、特に治療が全人口に限界があるか全く利益がないが、特定の亜集団に重大な利益がある場合である。
そこで本研究では,多くのサブポピュレーションにおいて肯定的な治療効果を有するサブポピュレーションを識別する探索的トライアル設計であるSyntaxを提案する。
構文はサンプルとして効率的です
(i)順応して患者を募集し、割り当てる
(II) 他のサブポピュレーションからの制御サンプルを組み合わせたサブポピュレーションごとに合成制御を形成することにより治療効果を推定する。
我々は構文の性能を検証し、実験を通じて従来の試行設計よりも有利な点について洞察を与える。
関連論文リスト
- Who Are We Missing? A Principled Approach to Characterizing the Underrepresented Population [5.568543786710628]
最適化に基づく最適化手法であるROOT(Rashomon Set of Optimal Trees)を導入する。
ROOTは、ターゲット平均処理効果推定値の分散を最小化して、ターゲットサブポピュレーション分布を最適化する。
我々の枠組みは、意思決定の精度を高め、多様な集団における将来の試行を通知するための体系的なアプローチを提供する。
論文 参考訳（メタデータ） (2024-01-25T21:11:35Z) - Adaptive Instrument Design for Indirect Experiments [48.815194906471405]
RCTとは異なり、間接的な実験は条件付き機器変数を利用して治療効果を推定する。
本稿では,データ収集ポリシーを適応的に設計することで,間接実験におけるサンプル効率の向上に向けた最初のステップについて述べる。
我々の主な貢献は、影響関数を利用して最適なデータ収集ポリシーを探索する実用的な計算手順である。
論文 参考訳（メタデータ） (2023-12-05T02:38:04Z) - Reweighted Mixup for Subpopulation Shift [63.1315456651771]
サブポピュレーションシフトは、多くの実世界のアプリケーションに存在し、同じサブポピュレーショングループを含むが異なるサブポピュレーション比率を持つトレーニングとテストの分布を指す。
重要度再重み付けは、サブポピュレーションシフトを処理する古典的で効果的な方法である。
我々は、オーバーフィッティング問題を緩和するために、reweighted mixupと呼ばれるシンプルで実用的なフレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-09T03:44:50Z) - Sample Constrained Treatment Effect Estimation [28.156207324508706]
我々は,効率的なランダム化制御試験を設計することに集中し,治療の効果を正確に見積もる。
特に, サンプル制約による治療効果の推定について検討し, 実験を行うには, 集団から$s ll n$のサブセットを選択する必要がある。
論文 参考訳（メタデータ） (2022-10-12T21:13:47Z) - Adaptive Identification of Populations with Treatment Benefit in
Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。
サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
論文 参考訳（メタデータ） (2022-08-11T14:27:49Z) - On Inductive Biases for Heterogeneous Treatment Effect Estimation [91.3755431537592]
我々は、異なる治療下で、個人の潜在的成果(PO)の構造的類似性を利用する方法について検討する。
この問題を克服するために、エンドツーエンドの学習戦略を3つ比較する。
論文 参考訳（メタデータ） (2021-06-07T16:30:46Z) - Double machine learning for sample selection models [0.12891210250935145]
本稿では,サンプル選択や帰属によるサブポピュレーションに対してのみ結果が観察される場合の個別分散処理の評価について考察する。
a)Neyman-orthogonal, Duubly robust, and efficient score function, which suggests the robustness of treatment effect Estimation to moderate regularization biases in the machine learning based Estimation of the outcome, treatment, or sample selection model and (b) sample splitting ( or cross-fitting) to prevent overfitting bias。
論文 参考訳（メタデータ） (2020-11-30T19:40:21Z) - Contextual Constrained Learning for Dose-Finding Clinical Trials [102.8283665750281]
C3T-Budget(C3T-Budget)は、予算と安全性の両方の制約の下での線量フィリングのための文脈制約付き臨床試験アルゴリズムである。
残りの予算、残業時間、各グループの特徴を考慮して患者を募集する。
論文 参考訳（メタデータ） (2020-01-08T11:46:48Z) - Efficient Discovery of Heterogeneous Quantile Treatment Effects in
Randomized Experiments via Anomalous Pattern Detection [1.9346186297861747]
治療効果サブセットスキャン(TESS)は、ランダム化実験においてどのサブ集団が治療によって最も影響を受けているかを発見する新しい方法である。
このアルゴリズムに加えて、処理効果のない鋭いヌル仮説の下では、I型とII型のエラーを制御できることを実証する。
論文 参考訳（メタデータ） (2018-03-24T20:21:06Z)
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。