論文の概要: Counterfactual Uncertainty Quantification of Factual Estimand of Efficacy from Before-and-After Treatment Repeated Measures Randomized Controlled Trials

• arxiv url: http://arxiv.org/abs/2411.09635v1
• Date: Thu, 14 Nov 2024 18:01:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:25:16.768806
• Title: Counterfactual Uncertainty Quantification of Factual Estimand of Efficacy from Before-and-After Treatment Repeated Measures Randomized Controlled Trials
• Title（参考訳）: ランダム化試験を無作為化した前・後処理による実効性評価の不確実性定量化
• Authors: Xingya Wang, Yang Han, Yushi Liu, Szu-Yu Tang, Jason C. Hsu,
• Abstract要約: 本稿では、実測点推定の不確実性を定量化する$textitcounterfactual$ uncertainty Quantification (CUQ)を示すが、反実的な設定では驚くほど達成可能である。 基準回帰推定値の違反は治療効果を推定する際の減衰を引き起こす可能性があるため, 治療前の観測不可能な真の状態の推定が測定誤差がある場合, 注意を促した。
• 参考スコア（独自算出の注目度）: 1.3461364647443341
• License:
• Abstract: The ideal estimand for comparing a new treatment $Rx$ with a control $C$ is the $\textit{counterfactual}$ efficacy $Rx:C$, the expected differential outcome between $Rx$ and $C$ if each patient were given $\textit{both}$. While counterfactual $\textit{point estimation}$ from $\textit{factual}$ Randomized Controlled Trials (RCTs) has been available, this article shows $\textit{counterfactual}$ uncertainty quantification (CUQ), quantifying uncertainty for factual point estimates but in a counterfactual setting, is surprisingly achievable. We achieve CUQ whose variability is typically smaller than factual UQ, by creating a new statistical modeling principle called ETZ which is applicable to RCTs with $\textit{Before-and-After}$ treatment Repeated Measures, common in many therapeutic areas. We urge caution when estimate of the unobservable true condition of a patient before treatment has measurement error, because that violation of standard regression assumption can cause attenuation in estimating treatment effects. Fortunately, we prove that, for traditional medicine in general, and for targeted therapy with efficacy defined as averaged over the population, counterfactual point estimation is unbiased. However, for targeted therapy, both Real Human and Digital Twins approaches should respect this limitation, lest predicted treatment effect in $\textit{subgroups}$ will have bias.
• Abstract（参考訳）: 新しい治療を$Rx$とコントロール$C$と比較する理想的な方法は、$\textit{counterfactual}$ Effective $Rx:C$、各患者に$\textit{both}$が与えられた場合、$Rx$と$C$の差分結果である。 counterfactual $\textit{point Estimation}$ from $\textit{factual}$ Randomized Controlled Trials (RCTs) は利用可能であるが、この記事では、実際の点推定の不確実性を定量化する$\textit{counterfactual}$ uncertainty Quantification (CUQ)を示す。 我々は,多くの治療領域でよく見られる,$\textit{Before-and-After}$ の RCT に適用可能な ETZ という新しい統計モデル原理を作成した。 基準回帰推定値の違反は治療効果を推定する際の減衰を引き起こす可能性があるため, 治療前の観測不可能な真の状態の推定が測定誤差がある場合, 注意を促した。 幸いなことに、従来の医学全般や、人口平均で定義された有効性による標的治療については、偽物点推定が偏りがないことが証明されている。 しかし、標的治療のためには、Real HumanとDigital Twinsのどちらのアプローチもこの制限を尊重すべきであり、$\textit{subgroups}$で予測される治療効果はバイアスを持つ。

関連論文リスト

• Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making [58.06306331390586]
  本稿では,閾値演算による予測値がS$変化の程度を測るマージン補数の概念を導入する。 適切な因果仮定の下では、予測スコア$S$に対する$X$の影響は、真の結果$Y$に対する$X$の影響に等しいことを示す。
  論文  参考訳（メタデータ） (2024-05-24T11:22:19Z)
• The out-of-sample $R^2$: estimation and inference [0.0]
  2つの予測モデルの比較として、アウト・オブ・サンプルの$R2$を定義する。 我々は、$hatR2$の標準誤差を提供するために、データ分割推定の不確実性に関する最近の理論的進歩を利用する。
  論文  参考訳（メタデータ） (2023-02-10T09:29:57Z)
• Robust computation of optimal transport by $\beta$-potential regularization [79.24513412588745]
  最適輸送(OT)は、確率分布間の差を測定する機械学習分野で広く使われているツールである。 我々は、いわゆる$beta$-divergenceに付随するベータポテンシャル項でOTを正規化することを提案する。 提案アルゴリズムで計算した輸送行列は,外乱が存在する場合でも確率分布を頑健に推定するのに役立つことを実験的に実証した。
  論文  参考訳（メタデータ） (2022-12-26T18:37:28Z)
• The Projected Covariance Measure for assumption-lean variable significance testing [3.8936058127056357]
  単純だが一般的なアプローチは、線形モデルを指定し、次に$X$の回帰係数が 0 でないかどうかをテストすることである。 条件付き平均独立性のモデルフリーなnullをテストする問題、すなわち条件付き平均の$Y$$$X$と$Z$は$X$に依存しない。 本稿では,加法モデルやランダムフォレストなど,柔軟な非パラメトリックあるいは機械学習手法を活用可能な,シンプルで汎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） (2022-11-03T17:55:50Z)
• 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)
• 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)
• SLOE: A Faster Method for Statistical Inference in High-Dimensional Logistic Regression [68.66245730450915]
  実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。 私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
  論文  参考訳（メタデータ） (2021-03-23T17:48:56Z)
• 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)
• Dimension-agnostic inference using cross U-statistics [33.17951971728784]
  本稿では,サンプル分割と自己正規化とともに,既存のテスト統計の変分表現を用いた手法を提案する。 結果の統計学は、縮退したU統計を慎重に修正し、対角ブロックを落とし、対角ブロックを外したままにすると見なすことができる。
  論文  参考訳（メタデータ） (2020-11-10T12:21:34Z)
• High-Dimensional Feature Selection for Sample Efficient Treatment Effect Estimation [0.0]
  因果的データから因果的治療効果を推定することは因果的推論の根本的な問題である。 治療コホートにまたがる結果を含む共通の目的関数を提案する。 治療効果評価実験により,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2020-11-03T19:54:16Z)
• The Counterfactual $\chi$-GAN [20.42556178617068]
  因果推論は、しばしば、治療の割り当てが結果から独立していることを要求する反ファクト的枠組みに依存する。 本研究は,CGAN(Counterfactual $chi$-GAN)と呼ばれるGAN(Generative Adversarial Network)に基づくモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-09T17:23:13Z)

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。