論文の概要: Machine Learning Assisted Adjustment Boosts Inferential Efficiency of
Randomized Controlled Trials
- arxiv url: http://arxiv.org/abs/2403.03058v1
- Date: Tue, 5 Mar 2024 15:48:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 14:19:35.922333
- Title: Machine Learning Assisted Adjustment Boosts Inferential Efficiency of
Randomized Controlled Trials
- Title(参考訳): 機械学習による無作為化治験の推論効率の向上
- Authors: Han Yu, Alan D. Hutson
- Abstract要約: 提案手法は,I型エラーを頑健に制御し,ランダム化制御試行(RCT)の推論効率を向上させることができることを示す。
その応用は、第III相臨床試験のような、RCTの必要なサンプルサイズとコストを著しく削減する可能性がある。
- 参考スコア(独自算出の注目度): 16.83897148104
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we proposed a novel inferential procedure assisted by machine
learning based adjustment for randomized control trials. The method was
developed under the Rosenbaum's framework of exact tests in randomized
experiments with covariate adjustments. Through extensive simulation
experiments, we showed the proposed method can robustly control the type I
error and can boost the inference efficiency for a randomized controlled trial
(RCT). This advantage was further demonstrated in a real world example. The
simplicity and robustness of the proposed method makes it a competitive
candidate as a routine inference procedure for RCTs, especially when the number
of baseline covariates is large, and when nonlinear association or interaction
among covariates is expected. Its application may remarkably reduce the
required sample size and cost of RCTs, such as phase III clinical trials.
- Abstract(参考訳): そこで本研究では,機械学習を用いたランダム化制御実験のための新しい推論手順を提案する。
この方法は、共変量調整を用いたランダム化実験において、ローズバウムの厳密なテストの枠組みの下で開発された。
広範なシミュレーション実験により,提案手法はタイプiの誤差をロバストに制御でき,ランダム化制御試行 (rct) の推論効率を向上できることを示した。
この利点は実世界の例でさらに証明された。
提案手法の単純さとロバスト性は,rctsのルーチン推論手法として,特にベースライン共変量が多く,コ変量間の非線形結合や相互作用が期待されている場合において,競合候補となる。
その応用は、第iii相臨床試験のようなrctの必要なサンプルサイズとコストを大幅に削減することができる。
関連論文リスト
- 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) - A Weighted Prognostic Covariate Adjustment Method for Efficient and
Powerful Treatment Effect Inferences in Randomized Controlled Trials [0.28087862620958753]
ランダム化制御試験(RCT)の重要な課題は、効率的な推定器と治療効果の強力な試験を得られる統計手法を特定することである。
過去の制御データに基づいて生成AIアルゴリズムを訓練することにより、RDT参加者のためのデジタルツインジェネレータ(DTG)を構築することができる。
DTGは、RTT参加者の潜在的制御結果の確率分布を生成する。
論文 参考訳(メタデータ) (2023-09-25T16:14:13Z) - Task-specific experimental design for treatment effect estimation [59.879567967089145]
因果推論の標準は大規模ランダム化試験(RCT)である。
近年の研究では、RCTのよりサンプル効率の良い代替案が提案されているが、これらは因果効果を求める下流の応用には適用できない。
実験的な設計のためのタスク固有のアプローチを開発し、特定の下流アプリケーションにカスタマイズされたサンプリング戦略を導出する。
論文 参考訳(メタデータ) (2023-06-08T18:10:37Z) - A Causal Inference Framework for Leveraging External Controls in Hybrid
Trials [1.7942265700058988]
ランダム化トライアルのデータを外部ソースの制御データで拡張した環境での因果推論に関わる課題を考察する。
提案手法は, 推定器, 評価効率境界, および効率的な2次ロバスト推定のためのアプローチである。
筋萎縮性筋萎縮症の運動機能に対するrisdisplamの効果について検討した。
論文 参考訳(メタデータ) (2023-05-15T19:15:32Z) - Conformalized Unconditional Quantile Regression [27.528258690139793]
コンフォメーション予測と非条件量子回帰を組み合わせた予測推論手法を開発した。
提案手法は不整合性に適応し,テストインスタンスに関連する透過的なカバレッジ保証を提供し,既存の手法と効率的に競合することを示す。
論文 参考訳(メタデータ) (2023-04-04T00:20:26Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳(メタデータ) (2023-02-06T05:17:22Z) - Distributionally Robust Models with Parametric Likelihood Ratios [123.05074253513935]
3つの単純なアイデアにより、より広いパラメトリックな確率比のクラスを用いてDROでモデルを訓練することができる。
パラメトリック逆数を用いてトレーニングしたモデルは、他のDROアプローチと比較して、サブポピュレーションシフトに対して一貫して頑健であることがわかった。
論文 参考訳(メタデータ) (2022-04-13T12:43:12Z) - Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。
この課題に対処するための新しいクロスバリデーションのような方法論を提供する。
本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
論文 参考訳(メタデータ) (2021-12-14T17:53:01Z) - AdaPT-GMM: Powerful and robust covariate-assisted multiple testing [0.7614628596146599]
偽発見率(FDR)制御を用いた複数検定の実証的ベイズ法を提案する。
本手法は,アダプティブp値しきい値法(AdaPT)をマスク方式の一般化により洗練する。
我々は、AdaPT-GMMと呼ばれる新しい手法が一貫して高出力を実現することを、広範囲にわたるシミュレーションと実データ例で示す。
論文 参考訳(メタデータ) (2021-06-30T05:06:18Z) - Two-Stage TMLE to Reduce Bias and Improve Efficiency in Cluster
Randomized Trials [0.0]
クラスタランダム化トライアル(CRT)は、ランダムに個人グループへの介入を割り当て、それらのグループ内の個人に対する結果を測定する。
クラスタ内の一部の個人には発見が欠落することが多い。
CRTは、しばしば限られた数のクラスターをランダムにし、その結果、腕間のベースライン結果予測器に不均衡をもたらす。
論文 参考訳(メタデータ) (2021-06-29T21:47:30Z) - 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)
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。