論文の概要: Learning Robust Treatment Rules for Censored Data
- arxiv url: http://arxiv.org/abs/2408.09155v1
- Date: Sat, 17 Aug 2024 09:58:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 22:01:27.393179
- Title: Learning Robust Treatment Rules for Censored Data
- Title(参考訳): センサデータに対するロバスト処理規則の学習
- Authors: Yifan Cui, Junyi Liu, Tao Shen, Zhengling Qi, Xi Chen,
- Abstract要約: 最適な治療規則を推定するための2つの基準を提案する。
既存の手法と比較して性能が向上した。
エイズの臨床データを用いた方法も提案した。
- 参考スコア(独自算出の注目度): 14.95510487866686
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is a fast-growing literature on estimating optimal treatment rules directly by maximizing the expected outcome. In biomedical studies and operations applications, censored survival outcome is frequently observed, in which case the restricted mean survival time and survival probability are of great interest. In this paper, we propose two robust criteria for learning optimal treatment rules with censored survival outcomes; the former one targets at an optimal treatment rule maximizing the restricted mean survival time, where the restriction is specified by a given quantile such as median; the latter one targets at an optimal treatment rule maximizing buffered survival probabilities, where the predetermined threshold is adjusted to account the restricted mean survival time. We provide theoretical justifications for the proposed optimal treatment rules and develop a sampling-based difference-of-convex algorithm for learning them. In simulation studies, our estimators show improved performance compared to existing methods. We also demonstrate the proposed method using AIDS clinical trial data.
- Abstract(参考訳): 期待される結果の最大化により、最適な治療規則を直接推定する研究が急速に進んでいる。
生体医学研究や手術応用において、制限された平均生存時間と生存確率が大きな関心を持つ場合において、検閲された生存結果が頻繁に観察される。
本稿では, 制限された平均生存時間を最大化するために, 制限された平均生存時間を最大化する, 制限された平均生存時間を最大化する, 制限された平均生存時間を最大化する, 制限された平均生存時間を最大化する, 制限された平均生存時間を最大化するためのバッファ付き生存確率を最大化するための2つの頑健な基準を提案する。
提案する最適処理規則の理論的正当性を提供し,それらを学習するためのサンプリングベース差分アルゴリズムを開発した。
シミュレーション実験では,既存手法と比較して性能が向上した。
また,エイズ臨床治験データを用いて提案手法を実証した。
関連論文リスト
- Constructing optimal treatment length strategies to maximize quality-adjusted lifetimes [5.545853284130158]
品質調整寿命を最大化するために最適な治療長戦略を構築する方法を提案する。
生存率に対する最適な治療戦略を推定する既存の方法は、情報検閲による品質調整の寿命には適用できない。
筋萎縮性側索硬化症に対する内視鏡的腹腔内挿術の至適時間について検討した。
論文 参考訳(メタデータ) (2024-12-06T15:09:17Z) - Are causal effect estimations enough for optimal recommendations under multitreatment scenarios? [2.4578723416255754]
異なる治療やコントロール下での潜在的な結果を比較するために、因果効果推定分析を含めることが不可欠である。
マルチトリートメント選択のための包括的方法論を提案する。
論文 参考訳(メタデータ) (2024-10-07T16:37:35Z) - B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under
Hidden Confounding [51.74479522965712]
本稿では,B-Learnerと呼ばれるメタラーナーを提案する。
我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
論文 参考訳(メタデータ) (2023-04-20T18:07:19Z) - 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) - Robust and Agnostic Learning of Conditional Distributional Treatment
Effects [62.44901952244514]
条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。
集約分析では、通常は分布処理効果(DTE)の測定によって対処される。
我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
論文 参考訳(メタデータ) (2022-05-23T17:40:31Z) - Policy Learning for Optimal Individualized Dose Intervals [3.9801611649762263]
このような政策を推定する新しい手法を提案する。
推定された政策は一貫しており、そのリスクはルートnレートで最良クラスの政策に収束する。
論文 参考訳(メタデータ) (2022-02-24T17:59:20Z) - Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。
我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。
我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文 参考訳(メタデータ) (2021-07-05T21:05:11Z) - Median Optimal Treatment Regimes [7.241149193573696]
コンディショナーが治療中よりも高い個人を治療する新しいメディアン最適治療体制を提案します。
これにより、同じグループの個人に対する最適な決定が、グループのごく一部に過度に影響されないことが保証される。
本稿では,政策の全体的中央値処理結果を要約した新しい評価尺度ACME(Average Conditional Median Effect)を紹介する。
論文 参考訳(メタデータ) (2021-03-02T15:26:20Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳(メタデータ) (2020-06-14T01:15:00Z) - Multicategory Angle-based Learning for Estimating Optimal Dynamic
Treatment Regimes with Censored Data [12.499787110182632]
最適な治療体制(DTR)は、長期的な利益を最大化するための一連の決定規則から構成される。
本稿では,マルチカテゴリ処理フレームワークを用いて,最適DTRをターゲットとした新しい角度ベースアプローチを提案する。
本稿では,条件付き生存関数の最大化の観点から,提案手法が競合手法より優れていることを示す。
論文 参考訳(メタデータ) (2020-01-14T05:19:15Z)
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。