論文の概要: When More Evidence Hurts: Publication-Bias Drift and Principled Stopping for Biomedical Causal Search

• arxiv url: http://arxiv.org/abs/2609.24101v1
• Date: Mon, 21 Sep 2026 04:37:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:03.968173
• Title: When More Evidence Hurts: Publication-Bias Drift and Principled Stopping for Biomedical Causal Search
• Title（参考訳）: バイオメディカル因果検索におけるパブリケーション・バイアスドリフトと原則的停止
• Abstract要約: より深い検索は、真の効果がnullであるときに、システムに誤った利益を推測する可能性が高くなる。 我々は,この現象を顕在的ドリフトとして定式化し,標準公開バイアスモデルの下では,ヌルエフェクトクエリの偽陽性確率は,検索深度において厳密に増大する大サンプルエンベロープに近づき,その1つに近づいたことを証明した。
• 参考スコア（独自算出の注目度）: 4.438259529250528
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated biomedical evidence synthesis depends on retrieving published studies, but the biomedical literature is systematically skewed toward positive findings. Deeper retrieval can therefore make a system \emph{more} likely to falsely infer benefit when the true effect is null. We formalise this phenomenon as \emph{evidence drift} and prove that, under a standard publication-bias model, the false-positive probability on null-effect queries follows a strictly increasing large-sample envelope in retrieval depth, approaching one. Empirically, on a held-out test set of 140 Cochrane-derived queries, drift rises monotonically from 7.9\% to 15.7\% as the retrieval budget grows from 3 to 20 steps, and concentrates in the null-effect class. We present DACG-agent, a drift-aware causal-graph agent that incrementally builds a causal knowledge graph from PubMed abstracts and applies a two-layer stopping policy with complementary roles: a KL-divergence monitor that detects posterior convergence (the accuracy layer), and a Bradley--Terry process reward model (PRM) whose online decline detection halts retrieval once evidence quality peaks (the efficiency layer). Against full-budget retrieval, DACG-agent reduces evidence drift from 15.7\% to 6.4\% and improves null-effect accuracy by 21 percentage points (40.0\%$\to$61.4\%) while using 67\% fewer retrieval steps; overall accuracy rises from 61.4\% to 69.3\% (95\% CI 61--77). A simulation confirms the drift result transfers from the analysed vote-counting aggregator to the deployed noisy-OR one.
• Abstract（参考訳）: 自動バイオメディカルエビデンス合成は、出版された研究の検索に依存するが、バイオメディカル文献は、体系的に肯定的な結果に歪められている。 したがって、より深い検索により、真の効果がnullであるとき、システム \emph{more} は誤って利益を推測する可能性がある。 我々はこの現象を 'emph{evidence drift} として定式化し、標準公開バイアスモデルの下では、ヌルエフェクトクエリの偽陽性確率は、検索深度において厳密に増大する大サンプルエンベロープに従い、近づきつつあることを証明した。 実証的に、140コクラン由来クエリの保持されたテストセットでは、回収予算が3段階から20段階に増加するにつれて、ドリフトは7.9\%から15.7\%に単調に上昇し、ヌルエフェクトクラスに集中する。 DACG-agentは、PubMed抽象から因果知識グラフを漸進的に構築し、補完的な役割を持つ2層停止ポリシーを適用した、ドリフト対応因果グラフエージェントで、後続収束(精度層)を検出するKL分割モニタと、オンラインの低下検出が証拠品質(効率層)のピーク時に検索を停止するBradley-Terryプロセス報酬モデル(PRM)を提案する。 DACG試薬は全予算検索に対して、15.7\%から6.4\%までの証拠の漂流を減らし、21パーセント(40.0\%$\to$61.4\%)でヌル効果の精度を向上し、67倍の検索ステップを使用し、全体的な精度は61.4\%から69.3\%(95\% CI61-77)に上昇する。 シミュレーションにより、分析された投票集計アグリゲータからデプロイされたノイズOR1へのドリフト結果の転送を確認する。

関連論文リスト

• RAP: Research Attention Prediction Reveals Target-Conditioned Evidence Acquisition Biases [58.92094935632493]
  大規模言語モデル(LLM)は研究エージェントとしての役割がますます高まっているが、研究の関心の変化を追跡する能力は評価が難しい。 278のAI/MLフィールドと1,390のエピソードをカバーするローリングベンチマークであるResearch Attention Prediction (RAP)を紹介する。 それぞれのカットオフで、LLMエージェントは時間的に制限されたarXivコーパスを検索し、次の6ヶ月の論文の共有を8つの凍った研究方向にわたって予測する。
  論文  参考訳（メタデータ） (2026-09-09T12:15:14Z)
• Plato-Bio: verification-first biological novelty screening with temporal rediscovery and structural benchmarks [0.0]
  オープンなPlato/Denarioアーキテクチャの拡張であるPlato-Bioを開発した。 Plato-Bioは明示的なワークフローステートを、プロファイランスレコード、引用チェック、クレーム・ツー・エビデンスリンク、スコープドファイル書き込み、パブリッシュゲートと結合する。 現在のクリーンリビジョンでは、完全なPythonスイートが931パス、6スキップ、エラーやエラーは発生しない。
  論文  参考訳（メタデータ） (2026-07-27T03:55:39Z)
• One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution [85.65263343588026]
  我々は,自己修正型,自律型,接地型実験機であるSAGEを提案する。 その中核的なメカニズムであるMHFA(Multi-Hypothesis Failure Attribution)は、回復を構造的因果診断として扱う。 12のトピック、5ドメインのベンチマークでは、SAGEは基準リフレクションでメトリクスを含むアウトプットを42%から92%に増やしている。
  論文  参考訳（メタデータ） (2026-06-30T10:54:16Z)
• VNDUQE: Information-Theoretic Novelty Detection using Deep Variational Information Bottleneck [4.618615226841302]
  深部変分情報ボトルネック(VIB)による新規性検出の検討 我々は,MNIST 上の VIB モデルを保持桁クラスで学習し,情報理論の指標である KL の発散と予測エントロピーを用いて OOD 検出を評価する。
  論文  参考訳（メタデータ） (2026-05-12T05:31:44Z)
• Causal-Enhanced AI Agents for Medical Research Screening [0.0]
  体系的なレビューはエビデンスベースの医療には不可欠だが、150万以上の年次出版物を手作業でレビューすることは不可能である。 本稿では,因果推論と二段階知識グラフを組み合わせた因果グラフ強化検索生成システムを提案する。 提案手法では,すべての因果クレームが検索された文献に辿り着くエビデンスファーストプロトコルを適用し,介入-アウトカム経路を可視化する有向非巡回グラフを自動的に生成する。
  論文  参考訳（メタデータ） (2026-01-06T08:41:16Z)
• Computational-Assisted Systematic Review and Meta-Analysis (CASMA): Effect of a Subclass of GnRH-a on Endometriosis Recurrence [0.0]
  本研究では,情報検索駆動型ワークフローであるCASMAを評価し,効率,透明性,体系的レビューを改善する。 ファジィマッチングと正規表現(regex)を併用したハイブリッドアプローチ PRISMA ガイドラインは,手動スクリーニングの前に半自動重複とフィルタリングレコードを容易にする。
  論文  参考訳（メタデータ） (2025-09-20T09:50:18Z)
• Perplexity Trap: PLM-Based Retrievers Overrate Low Perplexity Documents [64.43980129731587]
  因果診断・矯正法(CDC)という因果推論時間脱バイアス法を提案する。 CDCはまず、パープレキシティのバイアス効果を診断し、その後、全体の関連スコアからバイアス効果を分離する。 3つの領域にまたがる実験結果から, より優れた脱バイアス効果が示された。
  論文  参考訳（メタデータ） (2025-03-11T17:59:00Z)
• Undersampling and Cumulative Class Re-decision Methods to Improve Detection of Agitation in People with Dementia [16.949993123698345]
  消化は認知症(PwD)で最も多い症状の1つである。 前回の研究では、参加者17名から600日間のマルチモーダルウェアラブルセンサデータを収集し、1分間の窓での動揺を検出する機械学習モデルを開発した。 本稿では,まず,不均衡を解消するために異なるアンダーサンプリング手法を実装し,通常の動作データの20%だけが競合的動揺検出モデルの訓練に適しているという結論に至った。
  論文  参考訳（メタデータ） (2023-02-07T03:14:00Z)
• EEG-Fest: Few-shot based Attention Network for Driver's Vigilance Estimation with EEG Signals [160.57870373052577]
  運転士の警戒の欠如は、ほとんどの車両事故の主な原因である。 EEGはドライバーの眠気推定のための信頼性と効率的なツールである。
  論文  参考訳（メタデータ） (2022-11-07T21:35:08Z)
• Neural Importance Sampling for Rapid and Reliable Gravitational-Wave Inference [59.040209568168436]
  まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。 本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。 LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
  論文  参考訳（メタデータ） (2022-10-11T18:00:02Z)

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。