論文の概要: Heterogeneous Treatment Effect in Time-to-Event Outcomes: Harnessing Censored Data with Recursively Imputed Trees

• arxiv url: http://arxiv.org/abs/2502.01575v1
• Date: Mon, 03 Feb 2025 17:59:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:03:56.768651
• Title: Heterogeneous Treatment Effect in Time-to-Event Outcomes: Harnessing Censored Data with Recursively Imputed Trees
• Title（参考訳）: タイム・ツー・イベントアウトにおける不均一な処理効果:再帰的に倒木を施した補償データのハーネス化
• Authors: Tomer Meir, Uri Shalit, Malka Gorfine,
• Abstract要約: 既存の方法は、しばしば完全な観察を前提としており、その仮定は、右検閲による生存データに違反している。 我々は,不均一な治療効果を推定するための新しい,一般かつ非パラメトリックな方法であるMultiple Imputation for Survival Treatment Response (MISTR)を紹介した。
• 参考スコア（独自算出の注目度）: 10.329891257998597
• License:
• Abstract: Tailoring treatments to individual needs is a central goal in fields such as medicine. A key step toward this goal is estimating Heterogeneous Treatment Effects (HTE) - the way treatments impact different subgroups. While crucial, HTE estimation is challenging with survival data, where time until an event (e.g., death) is key. Existing methods often assume complete observation, an assumption violated in survival data due to right-censoring, leading to bias and inefficiency. Cui et al. (2023) proposed a doubly-robust method for HTE estimation in survival data under no hidden confounders, combining a causal survival forest with an augmented inverse-censoring weighting estimator. However, we find it struggles under heavy censoring, which is common in rare-outcome problems such as Amyotrophic lateral sclerosis (ALS). Moreover, most current methods cannot handle instrumental variables, which are a crucial tool in the causal inference arsenal. We introduce Multiple Imputation for Survival Treatment Response (MISTR), a novel, general, and non-parametric method for estimating HTE in survival data. MISTR uses recursively imputed survival trees to handle censoring without directly modeling the censoring mechanism. Through extensive simulations and analysis of two real-world datasets-the AIDS Clinical Trials Group Protocol 175 and the Illinois unemployment dataset we show that MISTR outperforms prior methods under heavy censoring in the no-hidden-confounders setting, and extends to the instrumental variable setting. To our knowledge, MISTR is the first non-parametric approach for HTE estimation with unobserved confounders via instrumental variables.
• Abstract（参考訳）: 個別のニーズに対する治療の調整は、医学などの分野における中心的な目標である。 この目標に向けた重要なステップは、不均一な治療効果(HTE)を推定することである。 重要ではあるが、HTE推定は生存データでは困難であり、イベント(例えば死)が鍵となる。 既存の方法は、しばしば完全な観察を仮定するが、その仮定は、右検閲による生存データに違反し、バイアスと非効率をもたらす。 Cui et al (2023) は、隠れた共同設立者なしの生存データからHTEを2倍の確率で推定する方法を提案した。 しかし, 筋萎縮性側索硬化症 (ALS) などの稀なアウトカム問題に共通する, 厳しい検閲の下では困難であることが判明した。 さらに、現在のほとんどの手法は、因果推論兵器において重要なツールであるインストゥルメンタル変数を扱えない。 生存データからHTEを推定するための新しい,汎用的,非パラメトリックな手法であるMultiple Imputation for Survival Treatment Response (MISTR)を導入する。 MISTRは検閲機構を直接モデル化することなく、再帰的に汚染されたサバイバルツリーを使用して検閲を処理する。 エイズ臨床試験グループ議定書175とイリノイ失業データセットの2つの実世界のデータセットの広範なシミュレーションと分析により、MISTRは、隠れない共同設立者設定において、厳格な検閲の下で先行手法より優れており、機器変数設定にまで拡張されていることを示す。 我々の知る限り、MISTRは観測されていない共同設立者によるHTE推定のための最初の非パラメトリックな手法である。

関連論文リスト

• Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes [54.18828236350544]
  Propensity score matching (PSM) は、分析のために同等の人口を選択することで選択バイアスに対処する。 異なるマッチング手法は、すべての検証基準を満たす場合でも、同じタスクに対する平均処理効果(ATE)を著しく異なるものにすることができる。 この問題に対処するため,新しい指標A2Aを導入し,有効試合数を削減した。
  論文  参考訳（メタデータ） (2024-07-20T12:42:24Z)
• CenTime: Event-Conditional Modelling of Censoring in Survival Analysis [49.44664144472712]
  CenTimeは、イベントへの時間を直接見積もる、サバイバル分析の新しいアプローチである。 本手法は,非検閲データが少ない場合でも,堅牢なイベント条件検閲機構を特徴とする。 以上の結果から,CenTimeは同等の性能を維持しつつ,死までの時間を予測する上で,最先端のパフォーマンスを提供することがわかった。
  論文  参考訳（メタデータ） (2023-09-07T17:07:33Z)
• Improving Data-driven Heterogeneous Treatment Effect Estimation Under Structure Uncertainty [13.452510519858995]
  ヘテロジニアス処理効果(HTE)推定(英:heregeneous treatment effect, HTE)は、意思決定や政策実施において重要な要素である。 本研究では,HTE推定のための特徴値を考慮した特徴選択手法を開発し,データから因果構造の関連部分を学習する。
  論文  参考訳（メタデータ） (2022-06-25T16:26:35Z)
• To Impute or not to Impute? -- Missing Data in Treatment Effect Estimation [84.76186111434818]
  我々は,MCM(Mixed Con founded missingness)と呼ばれる新しい欠損機構を同定し,ある欠損度が治療選択を判断し,他の欠損度が治療選択によって決定されることを示した。 本研究は,全てのデータを因果的に入力すると,不偏推定を行うために必要な情報を効果的に除去するので,処理効果のモデルが貧弱になることを示す。 私たちのソリューションは選択的計算であり、CMMからの洞察を使って、どの変数をインプットすべきで、どの変数をインプットすべきでないかを正確に知らせる。
  論文  参考訳（メタデータ） (2022-02-04T12:08:31Z)
• BITES: Balanced Individual Treatment Effect for Survival data [0.0]
  患者予後に対する介入の効果を推定することは、パーソナライズされた医療の重要な側面の1つである。 時間から時間までのデータは、治療最適化にはほとんど使われない。 我々は、治療特異的な半パラメトリックコックス損失と治療バランスの深いディープニューラルネットワークを組み合わせたBITESというアプローチを提案する。
  論文  参考訳（メタデータ） (2022-01-05T10:39:31Z)
• 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)
• Split-Treatment Analysis to Rank Heterogeneous Causal Effects for Prospective Interventions [15.443178111068418]
  本研究は,予防的介入の可能性が最も高い個人をランク付けする分割処理分析法を提案する。 プロキシ処理に基づく異種因果効果のランキングは,対象治療の効果に基づく順位と同じであることを示す。
  論文  参考訳（メタデータ） (2020-11-11T16:17:29Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)
• Estimating heterogeneous survival treatment effect in observational data using machine learning [9.951103976634407]
  観測データにおける不均一な処理効果を推定する方法は, 連続的あるいは二分的な結果に大きく焦点を絞っている。 対物的フレームワークで柔軟な機械学習手法を使用することは、複雑な個人特性による課題に対処するための有望なアプローチである。
  論文  参考訳（メタデータ） (2020-08-17T01:02:14Z)
• 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)
• Bayesian Nonparametric Cost-Effectiveness Analyses: Causal Estimation and Adaptive Subgroup Discovery [0.0]
  我々は検閲の有無で共同コスト-生存分布の非パラメトリックベイズモデルを開発する。 本モデルを用いて,SEER-Medicareデータベースにおける癌治療における子宮内膜化学療法と放射線補助療法の費用対効果を評価する。
  論文  参考訳（メタデータ） (2020-02-11T21:51:58Z)

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。