論文の概要: Bayesian Causal Forests for Zero-Inflated Continuous Outcomes

• arxiv url: http://arxiv.org/abs/2610.18889v1
• Date: Thu, 08 Oct 2026 15:39:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.724028
• Title: Bayesian Causal Forests for Zero-Inflated Continuous Outcomes
• Title（参考訳）: ゼロ膨らませた連続的なアウトカムのためのベイジアン因果樹林
• Abstract要約: 既存の方法はゼロ質量を無視したり、脆弱なパラメトリック仮定を課したり、極端な計算コストやデータ拡張ノイズに悩まされる。 本稿では, デュアンスミアリング(ZIC-BCF-Smear)を用いた無膨潤連続ベイズカウサル林を提案する。 次に、SPECTRUMランダム化フェーズIII頭頸部がん臨床試験の参加者個人データに適用する。
• 参考スコア（独自算出の注目度）: 7.1944134234931765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Estimating (heterogeneous) treatment effects is still challenging when the outcome is semicontinuous (i.e., exhibiting both a discrete point mass at zero and a skewed continuous distribution for positive values), despite the strong presence of this data type in real world settings. Existing methods either ignore the zero mass, impose fragile parametric assumptions, or suffer from extreme computational costs and data augmentation noise. This paper proposes Zero-Inflated Continuous Bayesian Causal Forests with Duan's Smearing (ZIC-BCF-Smear), a decoupled two-part nonparametric estimator that fits a Probit BCF on the full sample to model participation and a Gaussian BCF strictly on the active subpopulation to model positive intensity. Subpopulation Propensity Adjustment (SPA) mitigates regularization-induced confounding within the active subpopulation, and Duan's non-parametric smearing estimator re-transforms predictions to the response scale, bypassing the fragile scale multipliers of parametric models. A comprehensive simulation benchmark shows that ZIC-BCF-Smear matches well-specified parametric models without their assumptions and remains stable and calibrated where competitors either diverge or pathologically over-cover for nonlinear data. The method is then applied to individual-participant data from the SPECTRUM randomized phase III head-and-neck cancer trial, estimating the causal effect of assignment to panitumumab plus chemotherapy on the number of days patients spend with severe toxicity, an outcome for which a quarter of patients contribute an exact zero. Panitumumab assignment raises that burden by about ten days per patient under the trial's own differential treatment duration, and the decoupled structure localizes the effect mainly in the positive-intensity part rather than in whether the reconstructed severe-AE burden is positive.
• Abstract（参考訳）: 結果が半連続である場合(つまり、正の値に対して離散的な点質量と歪んだ連続分布の両方を示す)、このデータ型が実世界において強い存在にもかかわらず、(不均一な)治療効果を推定することは依然として困難である。 既存の方法はゼロ質量を無視したり、脆弱なパラメトリック仮定を課したり、極端な計算コストやデータ拡張ノイズに悩まされる。 本稿では,Duan's Smearing (ZIC-BCF-Smear) を用いたZero-Inflated Continuous Bayesian Causal Forests (ZIC-BCF-Smear) を提案する。 Subpopulation Propensity Adjustment (SPA)は、アクティブなサブポピュレーション内での正規化による共起を緩和し、Duanの非パラメトリックスミアリング推定器は、パラメトリックモデルの脆弱なスケール乗算器をバイパスして、応答スケールに予測を再変換する。 総合的なシミュレーションベンチマークでは、ZIC-BCF-Smearは仮定なしでよく特定されたパラメトリックモデルと一致し、競合相手が非線形データに対してばらつきまたは病理学的に過剰にカバーした状態で安定かつ校正されたままである。 次に、SPECTRUMランダム化第III相頭頸部癌臨床試験の参加者データに適用し、重篤な毒性に費やされる日数に対するパニトゥムマブと化学療法への割り当ての因果効果を推定し、患者の4分の1が正確なゼロに寄与する結果を得た。 パニトゥムマブの割り当ては、患者1人あたりの負担を、自身の異なる治療期間で約10日増加させ、分離された構造は、再建された重度のAE負荷が陽性であるかどうかよりも、主に正の強度に局所化する。

関連論文リスト

• Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
  情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。 本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。 本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
  論文  参考訳（メタデータ） (2026-10-02T20:36:22Z)
• Calibrated Bayesian Inference for Stochastic Intervention Effects [0.0]
  因果推論は、決定論的処理の割り当てによって定義される古典的な因果効果を超えてますます拡張される。 非パラメトリックベイズモデルは、その柔軟性と固有の不確実性伝播のために調整された介入効果を推定するのに魅力的である。 先行アルゴリズムや適合アルゴリズムを変更せずに後部サンプルに適用できる簡易な後処理補正法を開発した。
  論文  参考訳（メタデータ） (2026-08-03T22:20:40Z)
• Causal Inference for Sequential Settings under Interference and Latent Confounding [24.679587214571345]
  結果干渉下での因果推論を, 連続的, 観察的設定で検討した。 我々は、N 単位上のバイナリ結果が T 時間ステップでマルコビアンとなるような設定を考える。 パネルデータ文献と同様に、潜伏した共同設立者は低ランクの要素構造を持つようにモデル化されている。
  論文  参考訳（メタデータ） (2026-07-16T12:51:45Z)
• Estimating heterogeneous treatment effects with survival outcomes via a deep survival learner [5.540352966241158]
  生存条件における不均一な治療効果の推定は、適切な検閲と推定の時間変化によって複雑になる。 本研究では,不均一な治療効果を正しく評価する深層生存学習者を提案する。
  論文  参考訳（メタデータ） (2026-04-12T01:11:44Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• A Generative Framework for Causal Estimation via Importance-Weighted Diffusion Distillation [55.53426007439564]
  観察データから個別化された治療効果を推定することは因果推論における中心的な課題である。 逆確率重み付け(IPW)は、この問題に対するよく確立された解決策であるが、現代のディープラーニングフレームワークへの統合は依然として限られている。 本稿では,拡散モデルの事前学習と重み付きスコア蒸留を組み合わせた新しい生成フレームワークであるIWDDを提案する。
  論文  参考訳（メタデータ） (2025-05-16T17:00:52Z)
• 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)
• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)
• 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)

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。