論文の概要: Prediction Intervals for Individual Treatment Effects in a Multiple Decision Point Framework using Conformal Inference
- arxiv url: http://arxiv.org/abs/2512.08828v1
- Date: Tue, 09 Dec 2025 17:18:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-10 22:28:08.063843
- Title: Prediction Intervals for Individual Treatment Effects in a Multiple Decision Point Framework using Conformal Inference
- Title（参考訳）: コンフォーマル推論を用いた複数決定点フレームワークにおける個別処理効果の予測間隔
- Authors: Swaraj Bose, Walter Dempsey,
- Abstract要約: 時間変化ITTに対する共形推論手法を用いて予測区間を構築する新しい手法を提案する。
提案手法は意思決定の文脈で広く適用できるが,マイクロランダム化試験を模擬したシミュレーションを用いて理論的主張を支持する。
- 参考スコア（独自算出の注目度）: 0.6138671548064355
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurately quantifying uncertainty of individual treatment effects (ITEs) across multiple decision points is crucial for personalized decision-making in fields such as healthcare, finance, education, and online marketplaces. Previous work has focused on predicting non-causal longitudinal estimands or constructing prediction bands for ITEs using cross-sectional data based on exchangeability assumptions. We propose a novel method for constructing prediction intervals using conformal inference techniques for time-varying ITEs with weaker assumptions than prior literature. We guarantee a lower bound for coverage, which is dependent on the degree of non-exchangeability in the data. Although our method is broadly applicable across decision-making contexts, we support our theoretical claims with simulations emulating micro-randomized trials (MRTs) -- a sequential experimental design for mobile health (mHealth) studies. We demonstrate the practical utility of our method by applying it to a real-world MRT - the Intern Health Study (IHS).
- Abstract（参考訳）: 複数の意思決定ポイントにわたる個別治療効果(ITE)の不確実性の正確な定量化は、医療、金融、教育、オンラインマーケットプレースといった分野におけるパーソナライズされた意思決定に不可欠である。
従来の研究は、交換可能性仮定に基づく断面データを用いて、非因果長手推定やITTの予測帯域の構築に重点を置いてきた。
本稿では,従来の文献よりも仮定が弱い時間変化ITTに対して,共形推論手法を用いて予測区間を構築する手法を提案する。
我々は、データの非交換可能性の度合いに依存する、カバレッジの低い境界を保証する。
提案手法は意思決定の文脈で広く適用可能だが,我々はマイクロランダム化試験 (MRT) を模擬したシミュレーションを用いて理論的な主張を支持している。
実世界のMRTであるインターンヘルス・スタディ(IHS)に適用することで,本手法の実用性を実証する。
関連論文リスト
- A Systematic Review of Conformal Inference Procedures for Treatment Effect Estimation: Methods and Challenges [0.0]
治療効果推定のための共形予測手法について,系統的な検討を行った。
この領域で現在行われている最先端の手法を同定し記述する。
論文 参考訳（メタデータ） (2025-09-25T22:31:14Z) - Causal rule ensemble approach for multi-arm data [0.0]
不均一治療効果(HTE)は医学研究において重要である。
現在のHTE推定法は主にバイナリ比較のために設計されている。
マルチアームトライアルにおけるHTE推定のための解釈可能な機械学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-24T01:03:30Z) - Prediction-Powered Causal Inferences [59.98498488132307]
予測型因果推論(PPCI)に焦点をあてる
まず, 条件付きキャリブレーションにより, 人口レベルでの有効なPPCIが保証されることを示す。
次に、実験間での十分な表現制約伝達の妥当性を導入する。
論文 参考訳（メタデータ） (2025-02-10T10:52:17Z) - Flexible Nonparametric Inference for Causal Effects under the Front-Door Model [2.6900047294457683]
本研究では, 平均治療効果, 平均治療効果の両面から, 新規な1段階, 目標最小損失ベース推定装置を開発した。
我々の推定器は観測されたデータ分布のパラメータ化に基づいて構築され、メディエータ密度を完全に回避するアプローチを含む。
因果効果推定器の効率を向上させるためにこれらの制約をどのように活用できるかを示す。
論文 参考訳（メタデータ） (2023-12-15T22:04:53Z) - Causal Inference under Data Restrictions [0.0]
この論文は、不確実性とデータ制限の下での現代の因果推論に焦点を当てている。
これには、ネオアジュバント臨床試験、分散データネットワーク、堅牢な個別化意思決定へのアプリケーションが含まれる。
論文 参考訳（メタデータ） (2023-01-20T20:14:32Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳（メタデータ） (2022-12-17T15:01:05Z) - Continuous-Time Modeling of Counterfactual Outcomes Using Neural
Controlled Differential Equations [84.42837346400151]
反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。
既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。
そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
論文 参考訳（メタデータ） (2022-06-16T17:15:15Z) - Federated Offline Reinforcement Learning [55.326673977320574]
マルチサイトマルコフ決定プロセスモデルを提案する。
我々は,オフラインRLを対象とした最初のフェデレーション最適化アルゴリズムを設計する。
提案アルゴリズムでは,学習ポリシーの準最適性は,データが分散していないような速度に匹敵する,理論的保証を与える。
論文 参考訳（メタデータ） (2022-06-11T18:03:26Z) - Estimating Optimal Infinite Horizon Dynamic Treatment Regimes via
pT-Learning [2.0625936401496237]
モバイルヘルス(mHealth)技術の最近の進歩は、個人の健康状態を監視し、ジャスト・イン・タイムのパーソナライズされた介入を提供する効果的な方法を提供する。
mHealthテクノロジーの実用化は、最適な動的治療体制を学習する上で、既存の方法論に固有の課題を提起する。
本稿では,決定論的とスパース政策モデルの間で適応的に調整された最適条件を推定する近時学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-20T18:38:22Z) - Post-Contextual-Bandit Inference [57.88785630755165]
コンテキストバンディットアルゴリズムは、電子商取引、医療、政策立案における非適応的なA/Bテストを置き換える傾向にある。
研究参加者の成果を改善することもでき、良い方針や最良の政策を特定できる可能性を高めることもできる。
研究の終盤における新規介入の信頼性推論を支援するため, 平均治療効果, サブグループ効果, あるいは新政策の価値について, 有効な信頼区間を構築したい。
論文 参考訳（メタデータ） (2021-06-01T12:01:51Z)
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。