論文の概要: A unified Bayesian framework for interval hypothesis testing in clinical
trials
- arxiv url: http://arxiv.org/abs/2402.13890v1
- Date: Wed, 21 Feb 2024 16:01:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 14:40:54.374653
- Title: A unified Bayesian framework for interval hypothesis testing in clinical
trials
- Title（参考訳）: 臨床における区間仮説テストのための統一ベイズフレームワーク
- Authors: Abhisek Chakraborty, Megan H. Murray, Ilya Lipkovich, Yu Du
- Abstract要約: アメリカ統計協会(ASA)は統計学者に対して、従来のP値のみに基づいて科学的決定を行うことを警告した。
ベイズ因子に基づく試験と併用した場合, 区間零仮説の枠組みがP値の重要な問題を周航する上で有効であることを示す。
- 参考スコア（独自算出の注目度）: 4.911220423050305
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The American Statistical Association (ASA) statement on statistical
significance and P-values \cite{wasserstein2016asa} cautioned statisticians
against making scientific decisions solely on the basis of traditional
P-values. The statement delineated key issues with P-values, including a lack
of transparency, an inability to quantify evidence in support of the null
hypothesis, and an inability to measure the size of an effect or the importance
of a result. In this article, we demonstrate that the interval null hypothesis
framework (instead of the point null hypothesis framework), when used in tandem
with Bayes factor-based tests, is instrumental in circumnavigating the key
issues of P-values. Further, we note that specifying prior densities for Bayes
factors is challenging and has been a reason for criticism of Bayesian
hypothesis testing in existing literature. We address this by adapting Bayes
factors directly based on common test statistics. We demonstrate, through
numerical experiments and real data examples, that the proposed Bayesian
interval hypothesis testing procedures can be calibrated to ensure frequentist
error control while retaining their inherent interpretability. Finally, we
illustrate the improved flexibility and applicability of the proposed methods
by providing coherent frameworks for competitive landscape analysis and
end-to-end Bayesian hypothesis tests in the context of reporting clinical trial
outcomes.
- Abstract（参考訳）: アメリカ統計協会(ASA)は統計学的重要性とP値に関する声明を公表し、統計学者に従来のP値に基づいて科学的決定を行うことを警告した。
この声明は、透明性の欠如、ヌル仮説を支持する証拠を定量化できないこと、効果の大きさや結果の重要性を計測できないことなど、P値に関する重要な問題を明らかにした。
本稿では,ベイズ係数に基づくテストと組み合わせて用いられる区間ヌル仮説フレームワーク(ポイントヌル仮説フレームワークではなく)が,p値の重要な問題を回避する上で有効であることを示す。
さらに,ベイズ因子の事前密度の特定は困難であり,既存の文献におけるベイズ仮説検定に対する批判の理由ともなっている。
一般的なテスト統計に基づいてベイズ因子を直接適用することでこの問題に対処する。
数値実験と実データ例を通して,提案したベイズ区間仮説試験法を校正し,固有解釈性を維持しながら頻繁な誤差制御を確実にすることを示した。
最後に, 実験結果報告の文脈において, 競争的ランドスケープ分析とエンドツーエンドベイズ仮説テストのためのコヒーレントなフレームワークを提供することにより, 提案手法の柔軟性と適用性が向上することを示す。
関連論文リスト
- Differentially private Bayesian tests [1.3127313002783776]
本稿では,原理的データ生成機構の下で自然に発生する,偏微分プライベートなベイズ仮説テストフレームワークを提案する。
広く使われているテスト統計に基づいて、偏ってプライベートなベイズ因子に着目し、完全なデータ生成機構をモデル化する必要性を回避する。
論文 参考訳（メタデータ） (2024-01-27T21:07:11Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳（メタデータ） (2023-09-28T13:04:11Z) - Simultaneous inference for generalized linear models with unmeasured confounders [0.0]
本稿では,構造を利用して線形射影を3つの重要な段階に統合する,統一的な統計的推定と推測の枠組みを提案する。
サンプルおよび応答サイズとして$z$-testsの効果的なType-Iエラー制御が無限大に近づくことを示す。
論文 参考訳（メタデータ） (2023-09-13T18:53:11Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳（メタデータ） (2023-06-09T08:30:51Z) - Causal Discovery via Conditional Independence Testing with Proxy Variables [35.3493980628004]
潜伏した共同設立者のような未観測変数の存在は、条件付き独立テストにバイアスをもたらす可能性がある。
本研究では,連続変数に対する因果関係の存在を効果的に検証できる仮説テスト手法を提案する。
論文 参考訳（メタデータ） (2023-05-09T09:08:39Z) - Excess risk analysis for epistemic uncertainty with application to
variational inference [110.4676591819618]
我々は、未知の分布からデータが生成される頻繁なセッティングにおいて、新しいEU分析を提示する。
一般化能力と、予測分布の分散やエントロピーなど、広く使用されているEUの測定値との関係を示す。
本研究では,PAC-ベイジアン理論に基づく予測とEU評価性能を直接制御する新しい変分推論を提案する。
論文 参考訳（メタデータ） (2022-06-02T12:12:24Z) - Private Sequential Hypothesis Testing for Statisticians: Privacy, Error
Rates, and Sample Size [24.149533870085175]
我々は、Renyi差分プライバシーとして知られる、差分プライバシーのわずかな変種の下で、シーケンシャル仮説テスト問題を研究する。
我々は,Wald's Sequential Probability Ratio Test (SPRT)に基づく新たなプライベートアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-04-10T04:15:50Z) - On Testability of the Front-Door Model via Verma Constraints [7.52579126252489]
フロントドア基準は、測定されていない共同設立者にもかかわらず因果関係を識別し、計算するために用いられる。
主要な仮定 -- 結果に対する治療の効果を完全に媒介する変数の存在と、類似したコンバウンディングの問題に同時に苦しめられていない変数の存在は、しばしば許し難いものとみなされる。
補助変数を含む穏やかな条件下では, 一般等式制約により, フロントドアモデルに符号化された仮定を検証できることを示す。
論文 参考訳（メタデータ） (2022-03-01T00:38:29Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳（メタデータ） (2020-12-24T05:19:03Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳（メタデータ） (2020-09-12T20:37:33Z) - Balance-Subsampled Stable Prediction [55.13512328954456]
本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。
設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。
合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
論文 参考訳（メタデータ） (2020-06-08T07:01:38Z)
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。