論文の概要: Incorporating External Controls for Estimating the Average Treatment Effect on the Treated with High-Dimensional Data: Retaining Double Robustness and Ensuring Double Safety

• arxiv url: http://arxiv.org/abs/2509.20586v1
• Date: Wed, 24 Sep 2025 21:55:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.602422
• Title: Incorporating External Controls for Estimating the Average Treatment Effect on the Treated with High-Dimensional Data: Retaining Double Robustness and Ensuring Double Safety
• Title（参考訳）: 高次元データに対する平均処理効果推定のための外部制御の導入:二重ロバスト性維持と二重安全確保
• Authors: Chi-Shian Dai, Chao Ying, Yang Ning, Jiwei Zhao,
• Abstract要約: 外部の制御データが、多くの場合、はるかに大きなサンプルサイズで利用可能であるシナリオに対処する。 ATT用2重頑健性推定器に外部制御を組み込むと、パラドックス的に効率が低下する可能性がある。 本稿では,従来の手法よりも高効率な2重頑健な推定器を提案する。
• 参考スコア（独自算出の注目度）: 5.102311052155508
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Randomized controlled trials (RCTs) are widely regarded as the gold standard for causal inference in biomedical research. For instance, when estimating the average treatment effect on the treated (ATT), a doubly robust estimation procedure can be applied, requiring either the propensity score model or the control outcome model to be correctly specified. In this paper, we address scenarios where external control data, often with a much larger sample size, are available. Such data are typically easier to obtain from historical records or third-party sources. However, we find that incorporating external controls into the standard doubly robust estimator for ATT may paradoxically result in reduced efficiency compared to using the estimator without external controls. This counterintuitive outcome suggests that the naive incorporation of external controls could be detrimental to estimation efficiency. To resolve this issue, we propose a novel doubly robust estimator that guarantees higher efficiency than the standard approach without external controls, even under model misspecification. When all models are correctly specified, this estimator aligns with the standard doubly robust estimator that incorporates external controls and achieves semiparametric efficiency. The asymptotic theory developed in this work applies to high-dimensional confounder settings, which are increasingly common with the growing prevalence of electronic health record data. We demonstrate the effectiveness of our methodology through extensive simulation studies and a real-world data application.
• Abstract（参考訳）: ランダム化制御試験(RCTs)は、生物医学研究における因果推論の標準として広く見なされている。 例えば、処理された(ATT)に対する平均処理効果を推定する際には、正当性スコアモデルまたは制御結果モデルのいずれかを正しく指定する必要がある二重ロバストな推定手順を適用することができる。 本稿では、外部制御データ(多くの場合、はるかに大きなサンプルサイズ)が利用可能であるシナリオに対処する。 このようなデータは、典型的には歴史的記録や第三者の情報源から入手しやすい。 しかし、ATTの標準2倍頑健な推定器に外部制御を組み込むと、外部制御のない推定器に比べてパラドックス的に効率が低下する可能性がある。 この直感的な結果から、外部制御の素直な組み込みは推定効率を損なう可能性が示唆された。 そこで本研究では, モデル不特定であっても, 外部制御なしで, 従来の手法よりも高い効率を保証できる新しい2倍頑健な推定器を提案する。 すべてのモデルが正しく指定された場合、この推定器は、外部制御を組み込んだ半パラメトリック効率の標準的な2倍頑健な推定器と整合する。 本研究で開発された漸近的理論は、電子的健康記録データの増加に共通する高次元共同設立設定に適用される。 提案手法の有効性をシミュレーション研究と実世界のデータアプリケーションを用いて実証する。

関連論文リスト

• Value-Based Deep RL Scales Predictably [100.21834069400023]
  本研究は, 地域社会が病的行動に不安を抱いているにもかかわらず, 価値に基づく非政治的RL法が予測可能であることを示す。 SAC、BRO、PQLの3つのアルゴリズムを使って、DeepMind Control、OpenAI gym、IsaacGymの3つのアプローチを検証する。
  論文  参考訳（メタデータ） (2025-02-06T18:59:47Z)
• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)
• Adaptive-TMLE for the Average Treatment Effect based on Randomized Controlled Trial Augmented with Real-World Data [0.0]
  ランダム化制御試験(RCT)データと外部実世界のデータ(RWD)の両方が利用可能である場合、平均処理効果(ATE)を推定する問題を考察する。 適応型最大推定フレームワークを導入して推定する。
  論文  参考訳（メタデータ） (2024-05-12T07:10:26Z)
• Efficient adjustment for complex covariates: Gaining efficiency with DOPE [56.537164957672715]
  共変量によって表現される情報のサブセットを調整可能なフレームワークを提案する。 理論的な結果に基づいて,平均処理効果(ATE)の効率的な評価を目的とした,デバイアスドアウトカム適応確率推定器(DOPE)を提案する。 その結果,DOPE は様々な観測環境において ATE 推定のための効率的かつ堅牢な手法を提供することがわかった。
  論文  参考訳（メタデータ） (2024-02-20T13:02:51Z)
• A Causal Inference Framework for Leveraging External Controls in Hybrid Trials [1.7942265700058988]
  ランダム化トライアルのデータを外部ソースの制御データで拡張した環境での因果推論に関わる課題を考察する。 提案手法は, 推定器, 評価効率境界, および効率的な2次ロバスト推定のためのアプローチである。 筋萎縮性筋萎縮症の運動機能に対するrisdisplamの効果について検討した。
  論文  参考訳（メタデータ） (2023-05-15T19:15:32Z)
• A General Framework for Treatment Effect Estimation in Semi-Supervised and High Dimensional Settings [0.0]
  我々は, より堅牢で, (2) 教師付きよりも効率的であるSS推定器群を開発した。 さらに、モデル内の正当性スコアが正しく指定されたときに、SS推定器のルート-n整合性と正規性を確立する。 我々の推定器は、すべてのニュアンス関数が正しく指定されている限り、半パラメトリックに効率的であることが示される。
  論文  参考訳（メタデータ） (2022-01-03T04:12:44Z)

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。