論文の概要: Sequential Counterfactual Inference for Temporal Clinical Data: Addressing the Time Traveler Dilemma

• arxiv url: http://arxiv.org/abs/2602.21168v1
• Date: Tue, 24 Feb 2026 18:11:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.877136
• Title: Sequential Counterfactual Inference for Temporal Clinical Data: Addressing the Time Traveler Dilemma
• Title（参考訳）: 時間旅行者のジレンマに対処する時間的臨床データに対する逐次的因果推論
• Authors: Jingya Cheng, Alaleh Azhir, Jiazi Tian, Hossein Estiri,
• Abstract要約: 本稿では、電子健康記録における時間的依存関係を尊重するシークエンシャル・カウンセリング・フレームワークについて紹介する。 慢性疾患の38～67%の患者は、ナイーブ法で生物学的に不可能な対策が必要であることを実証した。 我々の枠組みは、反事実的な説明を「もしこの機能が違っていたら?」から「以前に介入したならば」に転換する。
• 参考スコア（独自算出の注目度）: 1.9794615806637272
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Counterfactual inference enables clinicians to ask "what if" questions about patient outcomes, but standard methods assume feature independence and simultaneous modifiability -- assumptions violated by longitudinal clinical data. We introduce the Sequential Counterfactual Framework, which respects temporal dependencies in electronic health records by distinguishing immutable features (chronic diagnoses) from controllable features (lab values) and modeling how interventions propagate through time. Applied to 2,723 COVID-19 patients (383 Long COVID heart failure cases, 2,340 matched controls), we demonstrate that 38-67% of patients with chronic conditions would require biologically impossible counterfactuals under naive methods. We identify a cardiorenal cascade (CKD -> AKI -> HF) with relative risks of 2.27 and 1.19 at each step, illustrating temporal propagation that sequential -- but not naive -- counterfactuals can capture. Our framework transforms counterfactual explanation from "what if this feature were different?" to "what if we had intervened earlier, and how would that propagate forward?" -- yielding clinically actionable insights grounded in biological plausibility.
• Abstract（参考訳）: 偽の推論により、臨床医は患者の結果について「何」質問をすることができるが、標準的な手法では、機能独立と同時修正可能性(縦断的な臨床データに反する仮定)を仮定する。 本稿では,電子カルテの時間的依存関係を尊重する逐次対実フレームワークを紹介し,不変特徴(時系列診断)と制御可能な特徴(ラブ値)とを区別し,介入が時間とともにどのように伝播するかをモデル化する。 慢性疾患患者2,723例(長心不全383例,2,340例)に適用したところ,38～67%が生物学的に不可能な対策が必要であることが判明した。 心腎カスケード(CKD->AKI->HF)を各ステップで2.27と1.19の相対的リスクで同定し, 経時的伝播を図った。 われわれの枠組みは、「もしこの特徴が違っていたら?」から「もし我々が以前に介入していれば、どのようにして進展するのだろうか?」へと反現実的な説明を変換し、生物学的な妥当性を基礎とした臨床的に実行可能な洞察をもたらす。

関連論文リスト

• Time-to-Event Transformer to Capture Timing Attention of Events in EHR Time Series [15.049813932448112]
  LITTは、仮想相対タイムライン上のシーケンシャルイベントの一時的なアライメントを可能にする、新しいTiming-Transformerアーキテクチャである。 乳がん患者3,276人の実世界の経時的EHRデータから,その解釈可能性と効果を検証した。
  論文  参考訳（メタデータ） (2026-02-11T00:13:08Z)
• Stepwise Fine and Gray: Subject-Specific Variable Selection Shows When Hemodynamic Data Improves Prognostication of Comatose Post-Cardiac Arrest Patients [3.992677070507323]
  心停止後のコマトミー患者の予後は、ICUの臨床的意思決定に直接影響を与える重要な課題である。 本稿では、神経学的結果の予測を改善するために、段階的に動的に競合するリスクモデルを提案する。
  論文  参考訳（メタデータ） (2025-08-08T05:20:30Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
  我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。 我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。 実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
  論文  参考訳（メタデータ） (2024-04-04T11:32:03Z)
• Granger Causal Chain Discovery for Sepsis-Associated Derangements via Continuous-Time Hawkes Processes [10.410454851418548]
  拡張性のある2相勾配法を開発し,最大サロゲート形状推定値を求める。 本手法はアトランタのグレーディ病院に入院した患者のデータに拡張され,GCグラフでは敗血症に先行するいくつかの高度に解釈可能なGC鎖を同定した。
  論文  参考訳（メタデータ） (2022-09-09T18:21:30Z)
• Clustering Left-Censored Multivariate Time-Series [2.4493299476776778]
  クラスタリング作業における左検閲の干渉を軽減することに注力する。 検閲時間を補正しながらクラスタリングする時系列データの深い生成的連続時間モデルを開発する。 合成データに正確、安定、かつ解釈可能な結果を示します。
  論文  参考訳（メタデータ） (2021-02-13T21:22:40Z)
• Clinical Temporal Relation Extraction with Probabilistic Soft Logic Regularization and Global Inference [50.029659413650194]
  既存のメソッドは、高価な機能エンジニアリングを必要とするか、イベント間のグローバルな依存関係をモデル化できない。 本稿では,確率論的ソフト論理規則化とグローバル推論を用いた新しい臨床時間緩和法を提案する。
  論文  参考訳（メタデータ） (2020-12-16T08:23:03Z)
• A kernel test for quasi-independence [24.127106529428335]
  興味のあるデータが順序付けられた時刻のペアに対応する設定を考える。 時間的順序を超えて重要な依存が存在するかどうかを判断することは依然として関心がある。 疑似独立性の非パラメトリック統計テストを提案する。
  論文  参考訳（メタデータ） (2020-11-17T22:42:45Z)
• DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
  時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。 DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
  論文  参考訳（メタデータ） (2020-10-28T15:05:08Z)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。