論文の概要: The Impact of Medication Non-adherence on Adverse Outcomes: Evidence from Schizophrenia Patients via Survival Analysis

• arxiv url: http://arxiv.org/abs/2506.18187v1
• Date: Sun, 22 Jun 2025 22:09:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.795201
• Title: The Impact of Medication Non-adherence on Adverse Outcomes: Evidence from Schizophrenia Patients via Survival Analysis
• Title（参考訳）: 医学的非癒着が副作用に及ぼす影響:生存分析による統合失調症患者からの証拠
• Authors: Shahriar Noroozizadeh, Pim Welle, Jeremy C. Weiss, George H. Chen,
• Abstract要約: 本研究は統合失調症患者における非アドヒアランスと抗精神病薬の関連性について定量的に検討した。 我々は、いくつかの有害事象の最も早い時期に焦点をあて、生存分析を用いてこの問題の枠組みを定めている。 ペンシルベニア州西部のアレゲニー郡からのデータから、非従順性が約1～4ヶ月で有害な結果をもたらすという強い証拠が得られた。
• 参考スコア（独自算出の注目度）: 9.924632472835551
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study quantifies the association between non-adherence to antipsychotic medications and adverse outcomes in individuals with schizophrenia. We frame the problem using survival analysis, focusing on the time to the earliest of several adverse events (early death, involuntary hospitalization, jail booking). We extend standard causal inference methods (T-learner, S-learner, nearest neighbor matching) to utilize various survival models to estimate individual and average treatment effects, where treatment corresponds to medication non-adherence. Analyses are repeated using different amounts of longitudinal information (3, 6, 9, and 12 months). Using data from Allegheny County in western Pennsylvania, we find strong evidence that non-adherence advances adverse outcomes by approximately 1 to 4 months. Ablation studies confirm that county-provided risk scores adjust for key confounders, as their removal amplifies the estimated effects. Subgroup analyses by medication formulation (injectable vs. oral) and medication type consistently show that non-adherence is associated with earlier adverse events. These findings highlight the clinical importance of adherence in delaying psychiatric crises and show that integrating survival analysis with causal inference tools can yield policy-relevant insights. We caution that although we apply causal inference, we only make associative claims and discuss assumptions needed for causal interpretation.
• Abstract（参考訳）: 本研究は統合失調症患者における非アドヒアランスと抗精神病薬の関連性について定量的に検討した。 生存分析を用いて,いくつかの有害事象(早期死亡,不随意入院,投獄予約)の早期発生に焦点をあてた。 標準因果推論手法(T-learner, S-learner, 隣人マッチング)を拡張し, 各種生存モデルを用いて個別および平均治療効果を推定する。 分析は異なる長さ情報(3,6,9,12ヶ月)を用いて繰り返される。 ペンシルベニア州西部のアレゲニー郡からのデータから、非従順性が約1～4ヶ月で有害な結果をもたらすという強い証拠が得られた。 アブレーション研究は、郡が提供するリスクスコアが主要な共同創設者に適応していることを確認し、その除去が推定効果を増幅する。 薬物製剤(注射可能 vs. 経口投与)と薬物タイプによるサブグループ分析は、非アジェンスが早期の有害事象と関連していることを一貫して示している。 これらの知見は、精神疾患の発症の遅れにおける順守の臨床的重要性を強調し、因果推論ツールと生存分析を統合することで、政策関連洞察が得られることを示した。 我々は因果推論を適用するが、因果推論には連想的主張をし、因果解釈に必要な仮定を議論するだけだと警告する。

関連論文リスト

• Learning Causally Predictable Outcomes from Psychiatric Longitudinal Data [6.09170287691728]
  縦断的生医学データの因果推論は依然として中心的な課題である。 本アルゴリズムは, 結果集約のための非負の, 臨床的に解釈可能な重みを学習する。 我々のアルゴリズムは因果関係の回復における最先端の手法より一貫して優れている。
  論文  参考訳（メタデータ） (2025-06-19T21:56:30Z)
• Heterogeneous Causal Discovery of Repeated Undesirable Health Outcomes [8.16644941863291]
  因果発見は、観測データから原因と効果の仮説を生成することによって、従来のアプローチに代わる手段を提供する。 しばしば強いあるいは証明不可能な仮定に頼り、その実践的応用を制限することができる。 本研究は、複数の仮定を考慮し、異種効果を同定することにより、因果発見をより実用的なものにすることを目的としている。
  論文  参考訳（メタデータ） (2025-03-14T15:05:17Z)
• Estimating long-term causal effects from short-term experiments and long-term observational data with unobserved confounding [5.854757988966379]
  実験データと観測データの両方が利用可能である場合の長期治療効果の同定と推定について検討した。 我々の長期因果効果推定器は、回帰残差と短期実験結果を組み合わせることで得られる。
  論文  参考訳（メタデータ） (2023-02-21T12:22:47Z)
• Zero-shot causal learning [64.9368337542558]
  CaMLは因果メタラーニングフレームワークであり、各介入の効果をタスクとしてパーソナライズした予測を定式化する。 トレーニング時に存在しない新規介入のパーソナライズされた効果を予測することができることを示す。
  論文  参考訳（メタデータ） (2023-01-28T20:14:11Z)
• Causal Discovery on the Effect of Antipsychotic Drugs on Delirium Patients in the ICU using Large EHR Dataset [1.278093617645299]
  集中治療室(ICU)の約80%の症例でデリリウムが発生する デリリウムにはバイオマーカーによる診断がなく、一般的に抗精神病薬(APD)で治療されている。 複数の研究が、デリリウム治療におけるAPDの有効性や安全性について論争を呼んでいる。
  論文  参考訳（メタデータ） (2022-04-28T21:43:02Z)
• Why Interpretable Causal Inference is Important for High-Stakes Decision Making for Critically Ill Patients and How To Do It [80.24494623756839]
  重症心身障害患者に対する因果関係評価のための枠組みを提案する。 この枠組みは、脳の発作やその他の潜在的に有害な電気的事象が結果に与える影響に適用する。
  論文  参考訳（メタデータ） (2022-03-09T18:03:35Z)
• SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event Data [83.50281440043241]
  時系列データから不均一な処理効果を推定する問題について検討する。 本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-10-26T20:13:17Z)
• 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)

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。