論文の概要: Data-driven Design of Randomized Control Trials with Guaranteed Treatment Effects

• arxiv url: http://arxiv.org/abs/2410.11212v1
• Date: Tue, 15 Oct 2024 02:56:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 14:03:20.356251
• Title: Data-driven Design of Randomized Control Trials with Guaranteed Treatment Effects
• Title（参考訳）: 保証処理効果を考慮したランダム化制御試験のデータ駆動設計
• Authors: Santiago Cortes-Gomez, Naveen Raman, Aarti Singh, Bryan Wilder,
• Abstract要約: まず,データ駆動スクリーニングで低インパクト処理を行い,第2段階では処理効果の低い2段階のRATを開発した。 2段RCTの最適設計を導出し, サンプル分割による実装を実証する。 そこで本研究は,RTTの高性能処理効果に対する高い確率性証明を簡易かつ効果的に推定する手法である。
• 参考スコア（独自算出の注目度）: 31.22449305096534
• License:
• Abstract: Randomized controlled trials (RCTs) can be used to generate guarantees on treatment effects. However, RCTs often spend unnecessary resources exploring sub-optimal treatments, which can reduce the power of treatment guarantees. To address these concerns, we develop a two-stage RCT where, first on a data-driven screening stage, we prune low-impact treatments, while in the second stage, we develop high probability lower bounds on the treatment effect. Unlike existing adaptive RCT frameworks, our method is simple enough to be implemented in scenarios with limited adaptivity. We derive optimal designs for two-stage RCTs and demonstrate how we can implement such designs through sample splitting. Empirically, we demonstrate that two-stage designs improve upon single-stage approaches, especially in scenarios where domain knowledge is available in the form of a prior. Our work is thus, a simple, yet effective, method to estimate high probablility certificates for high performant treatment effects on a RCT.
• Abstract（参考訳）: ランダム化制御試験(RCT)は治療効果の保証を生成するために用いられる。 しかし、RTTは、しばしば不必要な資源を準最適治療に費やし、治療保証の力を減らすことができる。 これらの問題に対処するため、まず、データ駆動スクリーニング段階において、低インパクト治療を実践する2段階RCTを開発し、第2段階では、治療効果の低い確率境界を開発する。 既存の適応RCTフレームワークとは異なり,本手法は適応性に制限のあるシナリオで実装できるほど単純である。 2段RCTの最適設計を導出し, サンプル分割による実装を実証する。 実証的に、特にドメイン知識が事前の形式で利用できるシナリオにおいて、2段階の設計がシングルステージアプローチで改善されることを実証する。 そこで本研究は,RTTの高性能処理効果に対する高い確率性証明を簡易かつ効果的に推定する手法である。

関連論文リスト

• Training and Validating a Treatment Recommender with Partial Verification Evidence [1.0693162404690828]
  現在の臨床意思決定支援システム(DSS)は,対象クリニックの観察データに基づいて訓練され,検証されている。 ランダム化臨床試験(RCT)で検証されるが、どの診療所にも導入されていない。 主な課題は、治療の割り当てに対する根拠の欠如(割り当てはランダムである)、証拠の欠如である。
  論文  参考訳（メタデータ） (2024-06-10T09:23:00Z)
• Machine Learning Assisted Adjustment Boosts Efficiency of Exact Inference in Randomized Controlled Trials [12.682443719767763]
  提案手法は,I型誤差を頑健に制御し,ランダム化制御試験(RCT)の統計的効率を高め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。
  論文  参考訳（メタデータ） (2024-03-05T15:48:07Z)
• Learning Regions of Interest for Bayesian Optimization with Adaptive Level-Set Estimation [84.0621253654014]
  本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。 理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
  論文  参考訳（メタデータ） (2023-07-25T09:45:47Z)
• 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)
• SECRETS: Subject-Efficient Clinical Randomized Controlled Trials using Synthetic Intervention [0.0]
  クロスオーバー試験は、個人ごとの処理効果を測定することで、サンプルサイズの要求を減らすことができる。 外部データを用いることなく, 患者ごとの個別治療効果(ITE)を推定する新しいフレームワークであるSECRETSを提案する。 この結果から,SECRETSはRCTのパワーを向上しつつ,同等の意義レベルを維持することができることがわかった。
  論文  参考訳（メタデータ） (2023-05-08T22:37:16Z)
• 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)
• 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)
• Ensemble and Random Collaborative Representation-Based Anomaly Detector for Hyperspectral Imagery [133.83048723991462]
  ハイパースペクトル異常検出(HAD)のための新しいアンサンブルおよびランダム共同表現型検出器(ERCRD)を提案する。 4つの実超スペクトルデータセットを用いた実験により,提案手法の精度と効率を10段階法と比較した。
  論文  参考訳（メタデータ） (2021-01-06T11:23:51Z)
• DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
  動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。 本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-06T13:03:42Z)
• 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。