論文の概要: Double Debiased Machine Learning for Mediation Analysis with Continuous Treatments

• arxiv url: http://arxiv.org/abs/2503.06156v1
• Date: Sat, 08 Mar 2025 10:46:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:52:10.617925
• Title: Double Debiased Machine Learning for Mediation Analysis with Continuous Treatments
• Title（参考訳）: 継続的治療による治療分析のためのダブルデバイアス機械学習
• Authors: Houssam Zenati, Judith Abécassis, Julie Josse, Bertrand Thirion,
• Abstract要約: 本稿では,継続的な治療を支援するメディエーション分析のための機械学習アルゴリズムを提案する。 本研究では,現実の医療データとシミュレーションによるアプローチの数値評価を行い,グリセミックコントロールが認知機能に与える影響を解析する。
• 参考スコア（独自算出の注目度）: 38.70412001488559
• License:
• Abstract: Uncovering causal mediation effects is of significant value to practitioners seeking to isolate the direct treatment effect from the potential mediated effect. We propose a double machine learning (DML) algorithm for mediation analysis that supports continuous treatments. To estimate the target mediated response curve, our method uses a kernel-based doubly robust moment function for which we prove asymptotic Neyman orthogonality. This allows us to obtain asymptotic normality with nonparametric convergence rate while allowing for nonparametric or parametric estimation of the nuisance parameters. We then derive an optimal bandwidth strategy along with a procedure for estimating asymptotic confidence intervals. Finally, to illustrate the benefits of our method, we provide a numerical evaluation of our approach on a simulation along with an application to real-world medical data to analyze the effect of glycemic control on cognitive functions.
• Abstract（参考訳）: 因果媒介効果を明らかにすることは、直接的な治療効果を潜在的に介在する効果から分離しようとする実践者にとって重要な意味を持つ。 本稿では,継続的治療を支援するメディエーション分析のためのダブル機械学習(DML)アルゴリズムを提案する。 対象とする応答曲線を推定するために、カーネルベースの二重頑健なモーメント関数を用いて、漸近的ネーマン直交性を証明した。 これにより、非パラメトリックあるいはパラメトリックなニュアンスパラメータの推定を可能にしながら、非パラメトリック収束率の漸近正規性を得ることができる。 次に、漸近的信頼区間を推定する手順とともに、最適な帯域幅戦略を導出する。 最後に,本手法の利点を説明するために,現実の医療データとシミュレーションによるアプローチの数値評価を行い,グリセミックコントロールが認知機能に与える影響を解析した。

関連論文リスト

• Doubly Robust Inference on Causal Derivative Effects for Continuous Treatments [5.151880096713011]
  本研究では, 線量応答曲線の微分に関する非パラメトリック推論について, 肯定的条件と無関係に検討した。 核平滑化を用いた線量応答曲線の導関数を推定するための二重頑健(DR)推定法を提案する。 全ての設定において、DR推定器は標準の非パラメトリック収束速度で正規性を達成する。
  論文  参考訳（メタデータ） (2025-01-12T23:00:16Z)
• Logarithmic Neyman Regret for Adaptive Estimation of the Average Treatment Effect [36.25361703897723]
  強化学習における外部評価と強い関係を持つ因果推論における平均処理効果(ATE)の推定は中核的な問題である。 本稿では、ATEの推定を改善するために、処理割り当て確率を適応的に選択する問題を考察する。
  論文  参考訳（メタデータ） (2024-11-21T17:38:49Z)
• Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
  本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。 提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
  論文  参考訳（メタデータ） (2024-11-15T07:42:02Z)
• Statistical Inference for Temporal Difference Learning with Linear Function Approximation [62.69448336714418]
  The consistency properties of TD learning with Polyak-Ruppert averaging and linear function approximation。 まず、分散に明示的に依存し、弱い条件下で保持する新しい高次元確率収束保証を導出する。 さらに、文献よりも高速な速度を保証する凸集合のクラスに対して、洗練された高次元ベリー-エッセイン境界を確立する。
  論文  参考訳（メタデータ） (2024-10-21T15:34:44Z)
• Individualized Multi-Treatment Response Curves Estimation using RBF-net with Shared Neurons [1.1119247609126184]
  反応曲線の非パラメトリックモデリングは、共有された隠れニューロンを持つ放射基底関数(RBF)-ネットに依存している。 本手法をMIMICデータに適用し, 在宅中絶患者に対するICU滞在時間と12時間SOFAスコアに対する異なる治療方法の効果に関する興味深い知見を得た。
  論文  参考訳（メタデータ） (2024-01-29T21:13:01Z)
• Nonparametric estimation of a covariate-adjusted counterfactual treatment regimen response curve [2.7446241148152253]
  治療体制下での平均結果を柔軟に推定することは、パーソナライズされた医療にとって重要なステップである。 本研究では,スムーズな規則応答曲線関数の逆確率重み付き非パラメトリック効率推定器を提案する。 いくつかの有限サンプル特性はシミュレーションによって探索される。
  論文  参考訳（メタデータ） (2023-09-28T01:46:24Z)
• Off-policy estimation of linear functionals: Non-asymptotic theory for semi-parametric efficiency [59.48096489854697]
  観測データに基づいて線形汎関数を推定する問題は、因果推論と包帯文献の両方において標準的である。 このような手順の平均二乗誤差に対して非漸近上界を証明した。 非漸近的局所ミニマックス下限をマッチングすることにより、有限標本のインスタンス依存最適性を確立する。
  論文  参考訳（メタデータ） (2022-09-26T23:50:55Z)
• Variance-Aware Off-Policy Evaluation with Linear Function Approximation [85.75516599931632]
  線形関数近似を用いた強化学習における非政治的評価問題について検討する。 本稿では,値関数の分散を推定し,フィルタQ-Iterationにおけるベルマン残差を再重み付けするアルゴリズムVA-OPEを提案する。
  論文  参考訳（メタデータ） (2021-06-22T17:58:46Z)
• MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
  シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。 あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。 モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-03T12:59:16Z)
• A Coupled Manifold Optimization Framework to Jointly Model the Functional Connectomics and Behavioral Data Spaces [5.382679710017696]
  本稿では,コホートに共通する低次元行列多様体にfMRIデータを投影する結合多様体最適化フレームワークを提案する。 患者固有の負荷は、同時に第2の非線形多様体を介して、興味の行動尺度にマップされる。 自閉症スペクトラム障害58例の安静時fMRIの枠組みを検証した。
  論文  参考訳（メタデータ） (2020-07-03T20:12:51Z)

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。