論文の概要: Targeted maximum likelihood estimation of vaccine effectiveness and immune correlates in test-negative design studies with missing data

• arxiv url: http://arxiv.org/abs/2605.21793v1
• Date: Wed, 20 May 2026 22:38:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.013647
• Title: Targeted maximum likelihood estimation of vaccine effectiveness and immune correlates in test-negative design studies with missing data
• Title（参考訳）: 欠失データを用いた検査陰性設計研究におけるワクチンの有効性と免疫相関の最適推定
• Authors: Leah I. B. Andrews, Lars van der Laan, Peter B. Gilbert,
• Abstract要約: テスト陰性設計(TND)は、ワクチンの有効性と被曝・近縁免疫の疾患の相関を評価できる、資源効率のよい観察研究設計である。 本研究は,医療従事者における症状性疾患の因果条件リスク比を目標とした最大推定手法を提案する。
• 参考スコア（独自算出の注目度）: 2.931240348160871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The test-negative design (TND) is a resource-efficient observational study design that can assess vaccine effectiveness and exposure-proximal immune correlates of disease. The TND enrolls symptomatic individuals seeking diagnostic testing and compares case status by an exposure variable, such as vaccination status or immune marker level, that is measured at testing. While the TND reduces confounding by healthcare-seeking behavior, other sources of confounding may remain. TND studies may also have missing data in the exposure variable due to incomplete records or two-phase sampling designs. We present a targeted maximum likelihood estimation approach involving a semiparametric logistic regression model that targets a causal conditional risk ratio of symptomatic disease in the healthcare-seeking population. Under causal and missing at random assumptions, our method produces an efficient, asymptotically linear estimator that provides flexible, data-driven confounding control and valid causal inference when analyzing TND studies with missing exposure variable data. We evaluate our method's finite sample properties using plasmode simulations of a two-phase TND immune correlates study. We also apply our method to assess COVID-19 vaccine effectiveness and antibody marker correlates of COVID-19 from TND study cohorts derived from the Moderna Coronavirus Efficacy phase 3 trial.
• Abstract（参考訳）: テスト陰性設計(TND)は、ワクチンの有効性と被曝・近縁免疫の疾患の相関を評価できる、資源効率のよい観察研究設計である。 TNDは、診断検査を求める症状のある個人を登録し、検査時に測定されるワクチン接種状況や免疫マーカーレベルなどの暴露変数でケースステータスを比較する。 TNDは、医療の探究行動によるコンファウンディングを減少させるが、他のコンファウンディングの源泉は残るかもしれない。 TND研究は、不完全記録や二相サンプリング設計による露光変数の欠如も見受けられる。 本稿では, 医療従事者を対象とした半パラメトリックロジスティック回帰モデルを用いて, 症状性疾患の因果リスク比を目標とした最大推定手法を提案する。 提案手法は,無作為な仮定下での因果推定と無作為な仮定の下で,効率的な漸近線形推定器を生成し,データ駆動型共起制御と有効な因果推定を行う。 2相TND免疫相関研究のプラスミドシミュレーションを用いて,本手法の有限試料特性の評価を行った。 また,近代コロナウイルス対策第3相臨床試験から得られたTND研究コホートから,ウイルスワクチンの有効性と抗体マーカーの相関性を評価するために,本手法を適用した。

関連論文リスト

• Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring [50.164756034797136]
  臨床研究ではドロップアウトが一般的で、副作用やその他の理由で患者の半数以上が早期に退院する。 ドロップアウトが有益な場合、治療効果の推定値にもバイアスがかかるため、検閲バイアスが導入される。 検閲バイアスに直面した場合の生存分析における条件平均処理効果推定のロバスト性を評価するための仮定リーンフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-15T10:51:17Z)
• A Double Machine Learning Approach for the Evaluation of COVID-19 Vaccine Effectiveness under the Test-Negative Design: Analysis of Québec Administrative Data [0.4249842620609683]
  我々はTNDDR(TND-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D- 予防接種介入による結果の限界期待に対する効率的な影響関数(EIF)を導出する。 我々はTNDDR $sqrtn-$consistency, normality, double robustness の条件を確立する。
  論文  参考訳（メタデータ） (2023-10-06T20:40:59Z)
• Detecting Adversarial Data by Probing Multiple Perturbations Using Expected Perturbation Score [62.54911162109439]
  逆方向検出は、自然分布と逆方向分布の差に基づいて、与えられたサンプルが逆方向であるかどうかを判定することを目的としている。 本研究では,様々な摂動後の標本の予測スコアであるEPS(pre expected perturbation score)を提案する。 EPSに基づく最大平均誤差(MMD)を,試験試料と自然試料との差を測定する指標として開発する。
  論文  参考訳（メタデータ） (2023-05-25T13:14:58Z)
• Adaptive Sequential Surveillance with Network and Temporal Dependence [1.7205106391379026]
  戦略的なテストアロケーションは、パンデミックと既存のパンデミックの両方のコントロールにおいて重要な役割を果たしている。 感染症の監視は、ユニークな統計上の課題を提示する。 適応型シーケンシャル監視のためのオンライン・スーパーラーナーを提案する。
  論文  参考訳（メタデータ） (2022-12-05T17:04:17Z)
• Targeted-BEHRT: Deep learning for observational causal inference on longitudinal electronic health records [1.3192560874022086]
  RCTが確立したNull causal associationの因果モデリングについて検討した。 本研究では,観測研究用データセットと変換器ベースモデルであるTargeted BEHRTと2倍のロバストな推定手法を開発した。 本モデルでは,高次元EHRにおけるリスク比推定のベンチマークと比較し,RRの精度の高い推定結果が得られた。
  論文  参考訳（メタデータ） (2022-02-07T20:05:05Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• CDSM -- Casual Inference using Deep Bayesian Dynamic Survival Models [3.9169188005935927]
  我々はベイジアン・リカレント・サブネットワークを用いた潜在的結果フレームワークを用いて生存曲線の差を推定する因果的動的生存モデル(CDSM)を開発した。 シミュレーションされたサバイバルデータセットを使用して、CDSMはサンプル寸法、イベントレート、結束および重複のシナリオにわたる良好な因果効果推定性能を示した。
  論文  参考訳（メタデータ） (2021-01-26T09:15:49Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• CRISP: A Probabilistic Model for Individual-Level COVID-19 Infection Risk Estimation Based on Contact Data [6.0785913977668935]
  本稿では,SEIRモデルに基づく集団内感染の確率的グラフィカルモデルを提案する。 当社のマイクロレベルモデルでは、各時点の感染状況が記録されており、感染、感染、感染、回復まで様々です。 これは、個々のレベルの接触データに基づいて、新型コロナウイルスの感染拡大を効率的に推測する最初のモデルである。
  論文  参考訳（メタデータ） (2020-06-09T04:25:56Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。