論文の概要: Robust inference for risk heterogeneity under group imbalance

• arxiv url: http://arxiv.org/abs/2606.00797v1
• Date: Sat, 30 May 2026 16:35:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.779795
• Title: Robust inference for risk heterogeneity under group imbalance
• Title（参考訳）: 群不均衡下におけるリスク不均一性のロバスト推論
• Abstract要約: 集中治療単位研究において、特定の入院診断に関連する死亡リスクは、民族群によって異なる可能性がある。 リスクの不均一性を検出する既存のアプローチは、しばしばベースラインモデルの誤特定と正規化バイアスに敏感である。 本研究では,Nymanity推定器を用いて2つの集団間のリスク不均一性を推定するための頑健な枠組みを提案する。
• 参考スコア（独自算出の注目度）: 8.713612612607408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Population-level heterogeneity is ubiquitous in biomedical data, where differences across demographic or clinical subgroups can substantially alter risk patterns. For example, in intensive care unit (ICU) studies, the mortality risk associated with specific admission diagnoses can vary across ethnic groups. Existing approaches for detecting risk heterogeneity are often sensitive to baseline model misspecification and regularization bias, both of which commonly arise in practice. In this paper, we propose a robust framework for inferring risk heterogeneity between two populations using Neyman orthogonality, which yields estimators that are locally insensitive to nuisance parameter estimation error. The proposed estimator is consistent and asymptotically normal, and simulation studies demonstrate that in finite samples our method substantially reduces bias and improves inferential stability compared with standard likelihood-based approaches. In an application to the eICU Collaborative Research Database, our method reveals clinically meaningful ethnicity-specific heterogeneity in admission diagnoses for in-hospital mortality that standard likelihood-based methods fail to detect.
• Abstract（参考訳）: 集団レベルの不均一性は、人口統計学的または臨床的サブグループ間での差異がリスクパターンを著しく変化させるバイオメディカルデータにおいて、ユビキタスである。 例えば、集中治療単位(ICU)の研究では、特定の入院診断に関連する死亡リスクは、民族によって異なる可能性がある。 リスクの不均一性を検出する既存のアプローチは、しばしばベースラインモデルの誤特定と正規化バイアスに敏感である。 本論文では,Neyman直交性を用いた2つの集団間のリスク不均一性を推定するための頑健な枠組みを提案する。 提案した推定器は整合性と漸近的に正常であり, シミュレーション研究により, 有限標本において本手法は偏りを著しく低減し, 標準確率に基づくアプローチと比較して推論安定性を向上することを示した。 eICU Collaborative Research Database への応用として, 基準的可能性に基づく方法が検出できない院内死亡の入院診断において, 臨床的に有意な民族性特異的不均一性を明らかにする。

関連論文リスト

• Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
  認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。 COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。 本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
  論文  参考訳（メタデータ） (2026-07-24T04:26:47Z)
• Improving Generalizability of Hip Fracture Risk Prediction via Domain Adaptation Across Multiple Cohorts [15.756482189835566]
  我々は,3つの大コホートにまたがる臨床およびDXA由来の特徴の共有セットを用いて,3つのドメイン適応法の性能評価を行った。 男性のみのソースコホートでは、ドメイン適応法は非適応ベースラインよりも一貫して性能が向上した。 結果のないアプローチにより、現実的な展開条件下でのモデル選択が可能となり、股関節骨折リスク予測におけるモデルの一般化が向上する。
  論文  参考訳（メタデータ） (2026-02-20T03:37:05Z)
• 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)
• Unsupervised risk factor identification across cancer types and data modalities via explainable artificial intelligence [0.0]
  本稿では,患者クラスタ間の生存不均一性を直接最適化する,教師なし機械学習の新しい手法を提案する。 当社のアプローチは,任意のデータモダリティに基づいてニューラルネットワークアーキテクチャをトレーニングし,予後の異なる患者グループを特定するための新しい手法である。 このパン・カンサー・モデルに依存しないアプローチは、臨床リスク層化の貴重な進展を示す。
  論文  参考訳（メタデータ） (2025-06-15T19:11:10Z)
• Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
  AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。 包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
  論文  参考訳（メタデータ） (2025-05-30T14:42:02Z)
• Assessing Surrogate Heterogeneity in Real World Data Using Meta-Learners [0.0]
  本研究では,実世界の非ランダム化データにおける代理的不均一性を評価する枠組みを提案する。 提案手法により, 患者特性に対するサロゲート強度の不均一性を定量化することができる。 我々のフレームワークは、サロゲートが一次結果の有効な置き換えである個人を特定するのに使われます。
  論文  参考訳（メタデータ） (2025-04-21T18:54:48Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Targeting relative risk heterogeneity with causal forests [1.2255617580795168]
  本研究では,相対的リスクを目標として,因果林を改変する手法を提案し,実装する。 我々は、相対的なリスク因果樹林が、そうでなければ検出されていない異質性の源を捉えることができることを示唆するシミュレーションデータの結果を提示する。 2型糖尿病患者を対象とした実地試験データを用いて,リラグルチドのHTEの探索を行った。
  論文  参考訳（メタデータ） (2023-09-26T16:57:46Z)
• Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
  リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。 我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。 我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
  論文  参考訳（メタデータ） (2023-01-03T11:34:36Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• Mitigating multiple descents: A model-agnostic framework for risk monotonization [84.6382406922369]
  クロスバリデーションに基づくリスクモノトナイズのための一般的なフレームワークを開発する。 本稿では,データ駆動方式であるゼロステップとワンステップの2つの手法を提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:41:40Z)
• Survival Cluster Analysis [93.50540270973927]
  異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。 このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
  論文  参考訳（メタデータ） (2020-02-29T22:41:21Z)

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。