論文の概要: TEA-Time: Transporting Effects Across Time
- arxiv url: http://arxiv.org/abs/2603.07018v1
- Date: Sat, 07 Mar 2026 03:34:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-10 15:13:13.684393
- Title: TEA-Time: Transporting Effects Across Time
- Title（参考訳）: TEA-Time: 時間を通しての輸送効果
- Authors: Harsh Parikh, Gabriel Levin-Konigsberg, Dominique Perrault-Joncas, Alexander Volfovsky,
- Abstract要約: 本研究では, 時間的輸送の枠組みを構築し, 実験を行わない期間に治療効果を外挿する。
そのうちの1つは、異なるタイミングで同じ治療法を比較した複製試薬を使用し、もう1つは、時間にわたって観察される一般的な治療アームを使用します。
- 参考スコア（独自算出の注目度）: 44.54570296032634
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Treatment effects estimated from randomized controlled trials are local not only to the study population but also to the time at which the trial was conducted. We develop a framework for temporal transportation: extrapolating treatment effects to time periods where no experiment was conducted. We target the transported average treatment effect (TATE) and show that under a separable temporal effects assumption, the TATE decomposes into an observed average treatment effect and a temporal ratio. We provide two identification strategies -- one using replicated trials comparing the same treatments at different times, another using common treatment arms observed across time -- and develop doubly robust, semiparametrically efficient estimators for each. Monte Carlo simulations confirm that both estimators achieve nominal coverage, with the common arm strategy yielding substantial efficiency gains when its stronger assumptions hold. We apply our methods to A/B tests from the Upworthy Research Archive, demonstrating that the two strategies exhibit a variance-bias tradeoff: the common arm approach offers greater precision but may incur bias when treatments interact heterogeneously with temporal factors.
- Abstract（参考訳）: ランダム化対照試験から推定される治療効果は、研究人口だけでなく、試験が行われた時点まで局所的に行われる。
本研究では, 時間的輸送の枠組みを構築し, 実験を行わない期間に治療効果を外挿する。
輸送平均処理効果 (TATE) を目標とし, 分離可能な時間的効果仮定の下で, TATEは観察された平均処理効果と時間的比に分解されることを示す。
1つは異なるタイミングで同じ治療法を比較し、もう1つは時間にわたって観察される共通の治療アームを使用して、それぞれに二重に堅牢で半パラメトリックで効率的な推定器を開発します。
モンテカルロシミュレーションは、両方の推定器が名目上のカバレッジを達成し、より強い仮定が成立すると、共通のアーム戦略が実質的な効率向上をもたらすことを確認している。
この手法をUpworthy Research ArchiveのA/Bテストに適用し、この2つの戦略がばらつきバイアスのトレードオフを示すことを示した。
関連論文リスト
- Beyond the ATE: Interpretable Modelling of Treatment Effects over Dose and Time [46.2482873419289]
本研究では, 治療効果トラジェクトリを線量および時間とともに滑らかな表面としてモデル化する枠組みを提案する。
本研究は, 臨床的に有意な特性の特定から, 軌道形状の推定を分離する。
本手法は, 処理力学の精度, 解釈可能, 編集可能なモデルを生成する。
論文 参考訳（メタデータ） (2025-07-09T20:33:33Z) - TV-SurvCaus: Dynamic Representation Balancing for Causal Survival Analysis [0.0]
TV-SurvCausは、表現バランス技術を拡張した新しいフレームワークである。
我々は,(1)不均一効果推定における時間変化精度の一般化境界,(2)シーケンシャルバランスウェイトによる分散制御,(3)動的治療体制の整合性,(5)治療共同研究者のフィードバックによるバイアスの形式的境界などを通じて理論的保証を行う。
論文 参考訳（メタデータ） (2025-05-03T11:04:52Z) - Difference-in-Differences with Time-varying Continuous Treatments using Double/Debiased Machine Learning [0.0]
本稿では,連続処理と複数期間の差分差分法(DiD)を提案する。
本フレームワークは,2つの非ゼロ治療用量の比較において,平均治療効果(ATET)を評価する。
論文 参考訳（メタデータ） (2024-10-28T15:10:43Z) - 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) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - Sequential Deconfounding for Causal Inference with Unobserved
Confounders [18.586616164230566]
個別化治療効果を時間とともに推定する手法であるSequential Deconfounderを開発した。
これは、一般的なシーケンシャルな設定で使用できる最初の分解方法である。
本手法は, 経時的に個々の治療反応を偏りなく推定できることを実証する。
論文 参考訳（メタデータ） (2021-04-16T09:56:39Z) - 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) - On the role of surrogates in the efficient estimation of treatment effects with limited outcome data [43.17788100119767]
一次利害関係にない結果のみを代理する単位にデータを組み込むことは、ATE推定の精度を高めることができる。
我々は,これらの効率向上を実現するために,ロバストなATE推定と推論手法を開発した。
論文 参考訳（メタデータ） (2020-03-27T13:31:49Z)
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。