論文の概要: Distributional Treatment Effect Estimation across Heterogeneous Sites via Optimal Transport

• arxiv url: http://arxiv.org/abs/2511.09759v1
• Date: Fri, 14 Nov 2025 01:08:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.466451
• Title: Distributional Treatment Effect Estimation across Heterogeneous Sites via Optimal Transport
• Title（参考訳）: 最適輸送による不均質地における分散処理効果の推定
• Authors: Borna Bateni, Yubai Yuan, Qi Xu, Annie Qu,
• Abstract要約: そこで本研究では,対象地における非現実的処理群データを合成するための新しいフレームワークを提案する。 提案手法は, ソースおよびターゲット部位の確率をモデル化・制御することにより, 分布因果推論の視点を採用する。
• 参考スコア（独自算出の注目度）: 23.093484580587074
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a novel framework for synthesizing counterfactual treatment group data in a target site by integrating full treatment and control group data from a source site with control group data from the target. Departing from conventional average treatment effect estimation, our approach adopts a distributional causal inference perspective by modeling treatment and control as distinct probability measures on the source and target sites. We formalize the cross-site heterogeneity (effect modification) as a push-forward transformation that maps the joint feature-outcome distribution from the source to the target site. This transformation is learned by aligning the control group distributions between sites using an Optimal Transport-based procedure, and subsequently applied to the source treatment group to generate the synthetic target treatment distribution. Under general regularity conditions, we establish theoretical guarantees for the consistency and asymptotic convergence of the synthetic treatment group data to the true target distribution. Simulation studies across multiple data-generating scenarios and a real-world application to patient-derived xenograft data demonstrate that our framework robustly recovers the full distributional properties of treatment effects.
• Abstract（参考訳）: 本研究では、ソースサイトからの全処理および制御グループデータを、ターゲットサイトから制御グループデータと統合することにより、ターゲットサイトにおける対物処理グループデータを合成する新しいフレームワークを提案する。 従来の平均処理効果推定とは別として,本手法では,ソースとターゲットの異なる確率尺度として,処理と制御をモデル化することで,分布因果推論の視点を採用する。 我々は,クロスサイト不均一性(効果修正)をプッシュフォワード変換として定式化し,ソースからターゲットサイトへの合同特徴量分布をマッピングする。 この変換は、最適輸送法を用いてサイト間の制御群分布を整列させて学習し、次いでソース処理群に適用して合成対象処理分布を生成する。 一般規則性条件下では, 合成処理群データの真の目標分布への一貫性と漸近収束に関する理論的保証を確立する。 患者由来のXenograftデータに対する複数のデータ生成シナリオと実世界の応用に関するシミュレーション研究により、我々のフレームワークが治療効果の完全な分布特性を確実に回復することを実証した。

関連論文リスト

• Improving the Generation and Evaluation of Synthetic Data for Downstream Medical Causal Inference [89.5628648718851]
  因果推論は医療介入の開発と評価に不可欠である。 現実の医療データセットは、規制障壁のためアクセスが難しいことが多い。 本稿では,医学における治療効果分析のための新しい合成データ生成法STEAMを提案する。
  論文  参考訳（メタデータ） (2025-10-21T16:16:00Z)
• Beyond the Average: Distributional Causal Inference under Imperfect Compliance [8.76134221825298]
  不完全なコンプライアンスを伴うランダム化実験における分布的処理効果の推定について検討した。 我々は,Neyman-orthogonal モーメント条件を持つ分布回帰フレームワークに基づく回帰調整型推定器を提案する。 オレゴン健康保険実験への適用事例として,本手法の実践的妥当性を示す。
  論文  参考訳（メタデータ） (2025-09-19T04:53:42Z)
• On Efficient Estimation of Distributional Treatment Effects under Covariate-Adaptive Randomization [6.324765782436764]
  既製の機械学習手法を利用したフレキシブルな分散回帰フレームワークを提案する。 提案する推定器の分布を確立し,有効な推論手順を導入する。
  論文  参考訳（メタデータ） (2025-06-06T10:14:38Z)
• Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
  一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。 その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。 この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
  論文  参考訳（メタデータ） (2024-10-17T16:42:12Z)
• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Constructing Synthetic Treatment Groups without the Mean Exchangeability Assumption [32.849140378576095]
  本研究は,源集団の処理群を加重混合することにより,対象個体群に対する合成処理群を構築した。 我々は, シーブ半パラメトリック理論に基づいて, 合成処理群の正規性を確立する。
  論文  参考訳（メタデータ） (2023-09-28T13:00:56Z)
• Federated Causal Inference in Heterogeneous Observational Data [13.460660554484512]
  我々は、複数のサイトにおいて、各サイトごとにデータをローカルに保存している個人に対して、治療の効果を推定することに興味がある。 プライバシー上の制約により、個々のレベルのデータはサイト間で共有できない。 これらの考察により,総合データの平均処理効果を推定するフェデレーション手法を開発した。
  論文  参考訳（メタデータ） (2021-07-25T05:55:00Z)
• Which Invariance Should We Transfer? A Causal Minimax Learning Approach [18.71316951734806]
  本稿では、因果的観点からの包括的ミニマックス分析について述べる。 最小の最悪のリスクを持つサブセットを探索する効率的なアルゴリズムを提案する。 本手法の有効性と有効性は, 合成データとアルツハイマー病の診断で実証された。
  論文  参考訳（メタデータ） (2021-07-05T09:07:29Z)

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。