論文の概要: Horseshoe Forests for High-Dimensional Causal Survival Analysis

• arxiv url: http://arxiv.org/abs/2507.22004v1
• Date: Tue, 29 Jul 2025 16:53:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:56.762019
• Title: Horseshoe Forests for High-Dimensional Causal Survival Analysis
• Title（参考訳）: 高次元因果解析のためのホースシュー林
• Authors: Tijn Jacobs, Wessel N. van Wieringen, Stéphanie L. van der Pas,
• Abstract要約: 我々は,検閲された生存データにおける不均一な処理効果を推定するベイズ木アンサンブルモデルを開発した。 木構造を通して疎水性を与える代わりに, ステップ高さに直接ホースシューを配置して, 適応的なグローバル局所収縮を実現する。
• 参考スコア（独自算出の注目度）: 0.3441021278275805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a Bayesian tree ensemble model to estimate heterogeneous treatment effects in censored survival data with high-dimensional covariates. Instead of imposing sparsity through the tree structure, we place a horseshoe prior directly on the step heights to achieve adaptive global-local shrinkage. This strategy allows flexible regularisation and reduces noise. We develop a reversible jump Gibbs sampler to accommodate the non-conjugate horseshoe prior within the tree ensemble framework. We show through extensive simulations that the method accurately estimates treatment effects in high-dimensional covariate spaces, at various sparsity levels, and under non-linear treatment effect functions. We further illustrate the practical utility of the proposed approach by a re-analysis of pancreatic ductal adenocarcinoma (PDAC) survival data from The Cancer Genome Atlas.
• Abstract（参考訳）: 我々は,高次元共変量を用いた検閲生存データにおける不均一な処理効果を推定するベイズ木アンサンブルモデルを開発した。 木構造を通して疎水性を与える代わりに, ステップ高さに直接ホースシューを配置して, 適応的なグローバル局所収縮を実現する。 この戦略はフレキシブルな正規化とノイズ低減を可能にする。 本研究では,木組枠内での非共役馬靴に適合する可逆ジャンプギブスサンプリング装置を開発した。 本研究では, 高次元共変量空間における処理効果を, 様々な空間レベルで正確に推定し, 非線形処理効果関数下での処理効果を推定する。 The Cancer Genome Atlasによる膵管腺癌(PDAC)生存データの再解析により,提案手法の実用性をさらに明らかにした。

関連論文リスト

• Robust Spatiotemporal Epidemic Modeling with Integrated Adaptive Outlier Detection [7.5504472850103435]
  疫病モデルでは、アウトレーヤはパラメータ推定を歪め、公衆衛生上の判断を誤ったものにすることができる。 本稿では、この歪みを軽減するために、ロバストな一般化加法モデル(RST-GAM)を導入する。 アメリカ合衆国における郡レベルのCOVID-19感染データを解析し,RTT-GAMの実用性を実証した。
  論文  参考訳（メタデータ） (2025-07-12T19:23:25Z)
• NeuralSurv: Deep Survival Analysis with Bayesian Uncertainty Quantification [45.560812800359685]
  我々はベイズの不確実性定量化を取り入れた最初のディープサバイバルモデルであるNeuralSurvを紹介する。 モデルサイズを線形にスケールする座標アセット更新を用いた平均場変分アルゴリズムを導入する。 実験では、NeuralSurvは最先端のディープサバイバルモデルよりも優れたキャリブレーションを提供する。
  論文  参考訳（メタデータ） (2025-05-16T09:53:21Z)
• Variational phylogenetic inference with products over bipartitions [48.2982114295171]
  単一連鎖クラスタリングの合体時間に基づく新しい変分族を示し,木上の分布の閉形式密度を導出する。 我々の手法はすべての木空間に対して推論を行い、マルコフ連鎖モンテカルロ部分ルーチンは不要であり、我々の変分族は微分可能である。
  論文  参考訳（メタデータ） (2025-02-21T00:06:57Z)
• Ensembles of Probabilistic Regression Trees [46.53457774230618]
  木に基づくアンサンブル法は多くの応用や研究で回帰問題に成功している。 本研究では,確率分布に関する各領域の観察を割り当てることで,目的関数のスムーズな近似を提供する確率回帰木のアンサンブルバージョンについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T06:51:51Z)
• BARTSIMP: flexible spatial covariate modeling and prediction using Bayesian additive regression trees [0.0]
  本稿では,ガウス過程空間モデルとベイズ加法回帰木(BART)モデルの組み合わせについて検討する。 マルコフ連鎖モンテカルロとIntegrated Nested Laplace Approximation (INLA)技術を組み合わせることにより、アプローチの計算負担を低減させる。 次に、このモデルを用いてケニアの人文的反応を予測し、複雑なサンプリング設計を用いてデータを収集する。
  論文  参考訳（メタデータ） (2023-09-23T05:35:17Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Inference for High Dimensional Censored Quantile Regression [8.993036560782137]
  本稿では,グローバルに検閲された量子レグレッションの枠組みの中で,すべての予測子を推論する新しい手法を提案する。 提案手法は,高次元設定における推定の不確かさを適切に定量化できることを示す。 肺がん経路に居住するSNPが患者の生存に及ぼす影響を解析するために本法を適用した。
  論文  参考訳（メタデータ） (2021-07-22T23:57:06Z)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• Sparse Bayesian Causal Forests for Heterogeneous Treatment Effects Estimation [0.0]
  本稿では,ベイジアン因果樹林のスパース性誘導型を考案する。 観察データを用いて不均一な治療効果を推定する。
  論文  参考訳（メタデータ） (2021-02-12T15:24:50Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)

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。