論文の概要: A Semiparametric Bayesian Method for Instrumental Variable Analysis with Partly Interval-Censored Time-to-Event Outcome

• arxiv url: http://arxiv.org/abs/2501.14837v1
• Date: Thu, 23 Jan 2025 22:55:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:58:00.375089
• Title: A Semiparametric Bayesian Method for Instrumental Variable Analysis with Partly Interval-Censored Time-to-Event Outcome
• Title（参考訳）: 半パラメトリックベイズ法による時間-事象間の時間差を部分的に補正したインスツルメンタル変数解析
• Authors: Elvis Han Cui, Xuyang Lu, Jin Zhou, Hua Zhou, Gang Li,
• Abstract要約: 本手法は2段階のディリクレプロセス混合インストゥルメンタル変数(DPMIV)モデルに基づく。 我々は,DPMIV法の性能を競合手法と比較して評価するために,広範囲なシミュレーションを行った。
• 参考スコア（独自算出の注目度）: 6.124316286846772
• License:
• Abstract: This paper develops a semiparametric Bayesian instrumental variable analysis method for estimating the causal effect of an endogenous variable when dealing with unobserved confounders and measurement errors with partly interval-censored time-to-event data, where event times are observed exactly for some subjects but left-censored, right-censored, or interval-censored for others. Our method is based on a two-stage Dirichlet process mixture instrumental variable (DPMIV) model which simultaneously models the first-stage random error term for the exposure variable and the second-stage random error term for the time-to-event outcome using a bivariate Gaussian mixture of the Dirichlet process (DPM) model. The DPM model can be broadly understood as a mixture model with an unspecified number of Gaussian components, which relaxes the normal error assumptions and allows the number of mixture components to be determined by the data. We develop an MCMC algorithm for the DPMIV model tailored for partly interval-censored data and conduct extensive simulations to assess the performance of our DPMIV method in comparison with some competing methods. Our simulations revealed that our proposed method is robust under different error distributions and can have superior performance over its parametric counterpart under various scenarios. We further demonstrate the effectiveness of our approach on an UK Biobank data to investigate the causal effect of systolic blood pressure on time-to-development of cardiovascular disease from the onset of diabetes mellitus.
• Abstract（参考訳）: 本稿では, 半パラメトリックなベイズ変量解析法を開発し, 未観測の共同設立者を扱う場合の内因性変数の因果効果を推定し, 半パラメトリックな測定誤差を部分的にインターバル・センソルド・タイム・ツー・エアート・データで測定し, イベント時刻は, ある被験者に対して正確に観測されるが, 左センソルド, 右センソルド, インターバル・センソルドは、 他者に対して観測される。 本手法は,2段階のディリクレプロセス混合機器変数(DPMIV)モデルに基づいて,2段階のディリクレプロセス混合機器変数(DPMIV)モデルを用いて,露出変数の第1段階のランダム誤差項と第2段階のランダムエラー項を同時にモデル化する。 DPMモデルは、正規誤差の仮定を緩和し、データによって混合成分の数を決定できる、不特定数のガウス成分の混合モデルとして広く理解することができる。 本研究では,DPMIVモデルのためのMCMCアルゴリズムを開発し,DPMIV法の性能を競合手法と比較して評価する。 シミュレーションの結果,提案手法は異なる誤差分布下では頑健であり,様々なシナリオにおいてパラメトリックな手法よりも優れた性能が得られることがわかった。 さらに,本手法を英国バイオバンクのデータに応用し,糖尿病発症時の心血管疾患に対する収縮期血圧の因果的影響について検討した。

関連論文リスト

• Selective Inference for Time-Varying Effect Moderation [3.8233569758620063]
  因果効果のモデレーションは、個人が観察した特性に基づいて、結果変数に対する介入(または治療)の効果がどのように変化するかを調べる。 高次元解析は、しばしば解釈可能性に欠け、重要なモデレーターはノイズに隠れている。 時間変化による因果効果のモデレーションを選択的に推定する2段階の手法を提案する。
  論文  参考訳（メタデータ） (2024-11-24T16:37:48Z)
• Explain Variance of Prediction in Variational Time Series Models for Clinical Deterioration Prediction [4.714591319660812]
  本稿では,予測モデルの観点から臨床変数測定頻度の新たな視点を提案する。 予測分散は、変分モデルで条件付き隠れ空間をサンプリングすることによって推定され、デルタ法により決定的に近似することができる。 我々は、劣化予測タスクを用いたパブリックICUデータセット上でアイデアを検証し、分散SHAPと測定時間間隔の関係について検討した。
  論文  参考訳（メタデータ） (2024-02-09T22:14:40Z)
• Mixture of Coupled HMMs for Robust Modeling of Multivariate Healthcare Time Series [7.5986411724707095]
  隠れマルコフモデル(M-CHMM)を結合した新しいモデルのクラスを提案する。 モデル学習を実現するために、CHMM内の潜伏変数のシーケンスをサンプリングする2つのアルゴリズムを導出する。 既存の推論手法と比較して,アルゴリズムは計算可能であり,混合性が向上し,推定精度が向上する。
  論文  参考訳（メタデータ） (2023-11-14T02:55:37Z)
• MINDE: Mutual Information Neural Diffusion Estimation [7.399561232927219]
  確率変数間の相互情報(MI)を推定するための新しい手法を提案する。 スコアベース拡散モデルを用いて、スコア関数間の差分として2つの密度間のクルバック・リーブラーの偏差を推定する。 副産物として,確率変数のエントロピーの推定も可能である。
  論文  参考訳（メタデータ） (2023-10-13T11:47:41Z)
• Reconstructing Graph Diffusion History from a Single Snapshot [87.20550495678907]
  A single SnapsHot (DASH) から拡散履歴を再構築するための新しいバリセンターの定式化を提案する。 本研究では,拡散パラメータ推定のNP硬度により,拡散パラメータの推定誤差が避けられないことを証明する。 また、DITTO(Diffusion hitting Times with Optimal proposal)という効果的な解法も開発している。
  論文  参考訳（メタデータ） (2023-06-01T09:39:32Z)
• Detecting Adversarial Data by Probing Multiple Perturbations Using Expected Perturbation Score [62.54911162109439]
  逆方向検出は、自然分布と逆方向分布の差に基づいて、与えられたサンプルが逆方向であるかどうかを判定することを目的としている。 本研究では,様々な摂動後の標本の予測スコアであるEPS(pre expected perturbation score)を提案する。 EPSに基づく最大平均誤差(MMD)を,試験試料と自然試料との差を測定する指標として開発する。
  論文  参考訳（メタデータ） (2023-05-25T13:14:58Z)
• On Calibrating Diffusion Probabilistic Models [78.75538484265292]
  拡散確率モデル(DPM)は様々な生成タスクにおいて有望な結果を得た。 そこで本研究では,任意の事前学習DPMを校正する簡単な方法を提案する。 キャリブレーション法は1回だけ行い, 得られたモデルをサンプリングに繰り返し使用することができる。
  論文  参考訳（メタデータ） (2023-02-21T14:14:40Z)
• Continuous-Time Modeling of Counterfactual Outcomes Using Neural Controlled Differential Equations [84.42837346400151]
  反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。 既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。 そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2022-06-16T17:15:15Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)
• A similarity-based Bayesian mixture-of-experts model [0.5156484100374058]
  多変量回帰問題に対する新しい非パラメトリック混合実験モデルを提案する。 条件付きモデルを用いて、サンプル外入力の予測は、観測された各データポイントと類似性に基づいて行われる。 混合物のパラメータと距離測定値に基づいて後部推論を行う。
  論文  参考訳（メタデータ） (2020-12-03T18:08:30Z)

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。