論文の概要: Efficient and Debiased Learning of Average Hazard Under Non-Proportional Hazards

• arxiv url: http://arxiv.org/abs/2602.13475v1
• Date: Fri, 13 Feb 2026 21:30:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:28.044983
• Title: Efficient and Debiased Learning of Average Hazard Under Non-Proportional Hazards
• Title（参考訳）: 非専門的ハザード下での平均ハザードの効率的・偏見学習
• Authors: Xiang Meng, Lu Tian, Kenneth Kehl, Hajime Uno,
• Abstract要約: 平均危険度(AH)は、人口レベルの個人時間事象率であり、比例的危険度を仮定することなく、明確に定義され、解釈可能である。 我々は,共同調整型AHのための半パラメトリック2倍頑健なフレームワークを開発した。 SEER-Medicarelinked data を用いた進行黒色腫に対する免疫療法法の比較により, 比較有効性研究における実用的有用性を示す。
• 参考スコア（独自算出の注目度）: 9.620492866279326
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The hazard ratio from the Cox proportional hazards model is a ubiquitous summary of treatment effect. However, when hazards are non-proportional, the hazard ratio can lose a stable causal interpretation and become study-dependent because it effectively averages time-varying effects with weights determined by follow-up and censoring. We consider the average hazard (AH) as an alternative causal estimand: a population-level person-time event rate that remains well-defined and interpretable without assuming proportional hazards. Although AH can be estimated nonparametrically and regression-style adjustments have been proposed, existing approaches do not provide a general framework for flexible, high-dimensional nuisance estimation with valid sqrt{n} inference. We address this gap by developing a semiparametric, doubly robust framework for covariate-adjusted AH. We establish pathwise differentiability of AH in the nonparametric model, derive its efficient influence function, and construct cross-fitted, debiased estimators that leverage machine learning for nuisance estimation while retaining asymptotically normal, sqrt{n}-consistent inference under mild product-rate conditions. Simulations demonstrate that the proposed estimator achieves small bias and near-nominal confidence-interval coverage across proportional and non-proportional hazards settings, including crossing-hazards regimes where Cox-based summaries can be unstable. We illustrate practical utility in comparative effectiveness research by comparing immunotherapy regimens for advanced melanoma using SEER-Medicare linked data.
• Abstract（参考訳）: Cox比例ハザードモデルからのハザード比は、治療効果のユビキタスな要約である。 しかしながら、ハザードが非正規の場合、そのハザード比は安定した因果解釈を失い、フォローアップと検閲によって決定された重みによる時間変化効果を効果的に平均化するので、研究依存となる。 我々は、平均的ハザード(AH)を代替因果推定として、比例的ハザードを仮定することなく、明確に定義され、解釈可能な人口レベルの個人時間事象率とみなす。 AHは非パラメトリックかつ回帰的な調整が提案されているが、既存の手法では、有効なsqrt{n}推論による柔軟な高次元ニュアンス推定のための一般的な枠組みを提供していない。 共変量調整型AHのための半パラメトリックで2倍頑健なフレームワークを開発することで、このギャップに対処する。 非パラメトリックモデルにおけるAHの経路的微分可能性を確立し、その効率的な影響関数を導出し、温和な積率条件下でのsqrt{n}-一貫性推論を保ちながら、機械学習を利用してニュアンス推定を行うクロスフィットデバイアス推定器を構築する。 シミュレーションにより,提案した推定器は,コックスをベースとしたサマリーが不安定なクロスハザード体制を含む,比例的および非比例的ハザード設定において,小さなバイアスとほぼ最小の信頼区間カバレッジを達成することが示された。 SEER-Medicarelinked data を用いた進行黒色腫に対する免疫療法と免疫療法の比較による比較有効性研究の実際的有用性について述べる。

関連論文リスト

• Debiased maximum-likelihood estimators for hazard ratios under kernel-based machine-learning adjustment [0.0]
  本稿では,カーネルベースの機械学習を用いて,潜伏変数の有無にかかわらず設定されたリスクの変化を明示的にモデル化することを提案する。 数値シミュレーションにより,提案手法は最小バイアスで真のハザード比を同定することを確認した。
  論文  参考訳（メタデータ） (2025-07-23T16:51:09Z)
• Penalized Empirical Likelihood for Doubly Robust Causal Inference under Contamination in High Dimensions [0.720409153108429]
  低サンプルサイズ方程式における平均処理効果を2倍頑健に推定する手法を提案する。 提案した信頼区間は, 競合する推定値と比較して効率がよいことを示す。
  論文  参考訳（メタデータ） (2025-07-23T11:58:54Z)
• Proximal Inference on Population Intervention Indirect Effect [8.296034406842345]
  人口介入間接効果(英: Population intervention indirect effect、PIIE)は、人口介入効果の間接成分を表す新しい媒介効果である。 本稿では,未測定の共同創設者が被曝・被曝・被曝・被曝・被曝・被曝関係に影響を及ぼすような環境下でのPIIE識別フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-16T08:14:55Z)
• Quantifying Aleatoric Uncertainty of the Treatment Effect: A Novel Orthogonal Learner [72.20769640318969]
  医療の安全性と有効性を理解するためには,観測データから因果量の推定が重要である。 医療従事者は、平均因果量の推定だけでなく、治療効果のランダム性をランダムな変数として理解する必要がある。 このランダム性はアレタリック不確実性と呼ばれ、治療効果の利益や量子化の確率を理解するために必要である。
  論文  参考訳（メタデータ） (2024-11-05T18:14:49Z)
• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)
• Safe Deployment for Counterfactual Learning to Rank with Exposure-Based Risk Minimization [63.93275508300137]
  本稿では,安全な配置を理論的に保証する新たなリスク認識型対実学習ランク法を提案する。 提案手法の有効性を実験的に検証し,データが少ない場合の動作不良の早期回避に有効であることを示す。
  論文  参考訳（メタデータ） (2023-04-26T15:54:23Z)
• Treatment Effect Risk: Bounds and Inference [58.442274475425144]
  平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。 本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。 いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
  論文  参考訳（メタデータ） (2022-01-15T17:21:26Z)
• Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
  ランダム化実験による因果効果の推定は臨床研究の中心である。 歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
  論文  参考訳（メタデータ） (2020-12-17T21:10:10Z)
• 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。