論文の概要: Nonparametric Regression Discontinuity Designs with Survival Outcomes

• arxiv url: http://arxiv.org/abs/2604.03502v1
• Date: Fri, 03 Apr 2026 22:54:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.613644
• Title: Nonparametric Regression Discontinuity Designs with Survival Outcomes
• Title（参考訳）: 生存率を考慮した非パラメトリック回帰不連続設計
• Authors: Maximilian Schuessler, Erik Sverdrup, Robert Tibshirani, Stefan Wager,
• Abstract要約: 準実験的な評価は、実世界の因果証拠を生成し、ランダム化試験からの洞察を補完する中心的なものである。 回帰不連続設計(RDD、Regressive Discontinuity Design)は、しきい値を越えるランニング変数に基づいて割り当てられた治療の因果効果を推定するために用いられる準実験設計である。 標準RD推定器は完全な結果データに依存しており、これはしばしば、検閲が損失からフォローアップへと生じる時間-時間分析において違反される仮定である。 二重頑健な検閲補正を活用する非パラメトリック手法を提案し,既存のRD推定器と組み合わせることができる。
• 参考スコア（独自算出の注目度）: 36.398652091809986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quasi-experimental evaluations are central for generating real-world causal evidence and complementing insights from randomized trials. The regression discontinuity design (RDD) is a quasi-experimental design that can be used to estimate the causal effect of treatments that are assigned based on a running variable crossing a threshold. Such threshold-based rules are ubiquitous in healthcare, where predictive and prognostic biomarkers frequently guide treatment decisions. However, standard RD estimators rely on complete outcome data, an assumption often violated in time-to-event analyses where censoring arises from loss to follow-up. To address this issue, we propose a nonparametric approach that leverages doubly robust censoring corrections and can be paired with existing RD estimators. Our approach can handle multiple survival endpoints, long follow-up times, and covariate-dependent variation in survival and censoring. We discuss the relevance of our approach across multiple areas of applications and demonstrate its usefulness through simulations and the prostate component of the Prostate, Lung, Colorectal and Ovarian (PLCO) Cancer Screening Trial where our new approach offers several advantages, including higher efficiency and robustness to misspecification. We have also developed an open-source software package, $\texttt{rdsurvival}$, for the $\texttt{R}$ language.
• Abstract（参考訳）: 準実験的な評価は、実世界の因果証拠を生成し、ランダム化試験からの洞察を補完する中心的なものである。 回帰不連続設計(RDD、Regressive Discontinuity Design)は、しきい値を越えるランニング変数に基づいて割り当てられた治療の因果効果を推定するために用いられる準実験設計である。 このようなしきい値に基づくルールは医療においてユビキタスであり、予測的および予後的バイオマーカーが治療決定をガイドすることが多い。 しかし、標準的なRD推定器は完全な結果データに依存しており、この仮定は、検閲が損失からフォローアップへと生じる時間-時間分析においてしばしば破られる。 この問題に対処するために、二重頑健な検閲補正を活用し、既存のRD推定器と組み合わせることができる非パラメトリックアプローチを提案する。 我々のアプローチは、複数の生存エンドポイント、長いフォローアップ時間、生存と検閲における共変量に依存した変動を処理できる。 本研究は,多分野にわたるアプローチの妥当性を考察し,前立腺,肺,大腸癌および卵巣癌スクリーニング試験(PLCO)の前立腺成分のシミュレーションによる有用性を示す。 我々はまた、$\texttt{rdsurvival}$という、$\texttt{R}$言語用のオープンソースソフトウェアパッケージも開発した。

関連論文リスト

• 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)
• Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
  本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。 オラクル形式は影響関数の一貫した近似であることを示す。 次に、平均二乗誤差の観点から総合収束解析を行う。
  論文  参考訳（メタデータ） (2023-09-22T12:18:53Z)
• Discrete-time Competing-Risks Regression with or without Penalization [0.18416014644193068]
  競合イベントを用いた離散時間生存分析のための新しい推定手法を提案する。 PythonパッケージであるPyDTSは、提案されたメソッドに追加機能を適用するために利用できる。
  論文  参考訳（メタデータ） (2023-03-02T11:57:10Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [44.31792000298105]
  問題クラスに対する条件付きDTE(Conditional DTE)を学習するための、新しい堅牢でモデルに依存しない方法論を提供する。 本手法は回帰モデルクラスにCDTEの最良のプロジェクションを提供することができるため,モデルに依存しない。 シミュレーションにおける提案手法の挙動と,富に対する401(k)の適格性の影響を事例として検討した。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
  ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。 この課題に対処するための新しいクロスバリデーションのような方法論を提供する。 本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
  論文  参考訳（メタデータ） (2021-12-14T17:53:01Z)
• Estimating heterogeneous survival treatment effect in observational data using machine learning [9.951103976634407]
  観測データにおける不均一な処理効果を推定する方法は, 連続的あるいは二分的な結果に大きく焦点を絞っている。 対物的フレームワークで柔軟な機械学習手法を使用することは、複雑な個人特性による課題に対処するための有望なアプローチである。
  論文  参考訳（メタデータ） (2020-08-17T01:02:14Z)
• Survival Analysis Using a 5-Step Stratified Testing and Amalgamation Routine in Randomized Clinical Trials [0.0]
  患者の不均一性の増加は、治療の違いを検出する共通の統計的アプローチの能力を弱める可能性がある。 どちらの治療でも生存を予測できない可能性を持つ塩基性共変体のリストは、事前に特定されている。 条件推論木アルゴリズムを用いて、異種臨床試験集団を予後同種患者のサブ集団に分割する。 提案した5段階の階層化テストとアマルガメーションルーチン(5-STAR)の高消費電力化性能について述べる。
  論文  参考訳（メタデータ） (2020-04-28T15:44:41Z)
• Bayesian Nonparametric Cost-Effectiveness Analyses: Causal Estimation and Adaptive Subgroup Discovery [0.0]
  我々は検閲の有無で共同コスト-生存分布の非パラメトリックベイズモデルを開発する。 本モデルを用いて,SEER-Medicareデータベースにおける癌治療における子宮内膜化学療法と放射線補助療法の費用対効果を評価する。
  論文  参考訳（メタデータ） (2020-02-11T21:51:58Z)

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。