論文の概要: Flexible Doubly Robust Proximal Causal Inference for Censored Outcomes

• arxiv url: http://arxiv.org/abs/2610.20893v1
• Date: Wed, 14 Oct 2026 20:21:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.059999
• Title: Flexible Doubly Robust Proximal Causal Inference for Censored Outcomes
• Title（参考訳）: 補償結果に対するフレキシブルな2重ロバスト近位因果推定法
• Abstract要約: 我々は、検閲された結果に対する柔軟な2つの堅牢なフレームワークであるPSB(Proximal Survival Bridge Learning)を紹介する。 PSBは結果ブリッジ(OB)、治療ブリッジ(TB)、二重頑健(DR)推定器を生成する。 既存のスカラー結果のためのフレキシブルな近位学習者とは異なり、PSBは検閲と生存曲線のターゲットを直接扱う。
• 参考スコア（独自算出の注目度）: 25.069779468245287
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Estimating causal effects on right-censored time-to-event outcomes is challenging under unmeasured confounding. Proximal causal inference addresses unmeasured confounding through proxy variables, but existing proximal survival methods rely largely on restrictive parametric bridge models. We introduce Proximal Survival Bridge learning (PSB), a flexible doubly robust proximal framework for censored outcomes. Building on existing proximal identification of treatment-specific survival curves, the framework yields outcome-bridge (OB), treatment-bridge (TB), and doubly robust (DR) estimators, with two flexible bridge learners: PSB-K, a kernel estimator with a low-rank time decomposition, and PSB-N, a neural estimator trained by a projected maximum-moment-restriction loss. Unlike existing flexible proximal learners for scalar outcomes, PSB directly handles censoring and survival-curve targets. On a standard SEM benchmark, a proximal semi-synthetic ACTG study, and the real-world Framingham study, PSB-K performs strongest on SEM and ACTG, whereas PSB-N is the most stable on Framingham. Additional results with modern causal survival baselines, weakened or invalid proxies, and heavier censoring assess robustness across challenging settings.
• Abstract（参考訳）: 測定不能な不確実性の下では, 左右の知覚的時間と対物的結果に対する因果効果の推定が困難である。 近位因果推論は、プロキシ変数を経由した未測定のコンバウンディングに対処するが、既存の近位生存法は、主に制限的なパラメトリックブリッジモデルに依存している。 我々は、検閲された結果に対する柔軟な2つの頑健な近位フレームワークであるPSB(Proximal Survival Bridge Learning)を導入する。 既存の治療特異的生存曲線の近位同定に基づいて、このフレームワークは2つの柔軟なブリッジ学習者(PSB-K、低ランク時間分解のカーネル推定者)と最大モーメント制限損失の予測によってトレーニングされた神経推定者(PSB-N)と共に、結果ブリッジ(OB)、治療ブリッジ(TB)、二重堅牢(DR)推定者を生成する。 既存のスカラー結果のためのフレキシブルな近位学習者とは異なり、PSBは検閲と生存曲線のターゲットを直接扱う。 標準的なSEMベンチマーク、近位半合成ACTG研究、および実世界のFramingham研究において、PSB-KはSEMとACTGで、PSB-NはFraminghamで最も安定している。 現代の因果生存ベースライン、弱体化または無効なプロキシ、より厳格な検閲による更なる結果が、挑戦的な設定にわたって堅牢性を評価する。

関連論文リスト

• CARE: Causally-Aligned Reasoning Exploration for Medical Large Language Models [68.18247112359337]
  大規模言語モデル(LLM)は、医学的推論に強い可能性を示しているが、専門家による注釈付きデータの不足とコストは、その進歩を妨げている。 本稿では,本質的な経験キュレーションの枠組みであるCausally-Aligned Reasoning Exploration (CARE)を提案する。 CAREは、他の強力な競争相手よりも一貫して優れており、正しいが一貫性のない推論を大幅に削減し、トレーニングの安定性を改善している。
  論文  参考訳（メタデータ） (2026-06-29T05:40:35Z)
• Uncertainty Reliability Under Domain Shift: An Investigation for Data-Driven Blood Pressure Estimation in Photoplethysmography [1.754601690579558]
  不確実性定量化(UQ)は、医療のような安全クリティカルな領域にとって重要である。 深層学習による血圧推定における予測性能と不確実性の評価を行った。
  論文  参考訳（メタデータ） (2026-05-18T08:03:04Z)
• Doubly Robust Proxy Causal Learning with Neural Mean Embeddings [58.8808794752741]
  我々は、連続的かつ構造化された治療を用いて因果学習をプロキシするための、神経的に二重に頑健なフレームワークを開発する。 このフレームワークは、人口、不均一、条件付き線量応答関数をカバーし、完全な応答曲線推定器を生成する。 合成および画像評価ベンチマーク全体で、提案した推定器は既存のベースラインと単一ブリッジニューラル推定器より優れている。
  論文  参考訳（メタデータ） (2026-05-10T12:50:25Z)
• SurvKAN: A Fully Parametric Survival Model Based on Kolmogorov-Arnold Networks [7.352227733654751]
  Kolmogorov-Arnold Networks (KAN) に基づく完全パラメトリック・時間連続生存モデルであるSurvKANを紹介する。 SurvKANは時間を、ログハザード関数を直接予測するkanへの明示的な入力として扱い、完全な生存可能性に関するエンドツーエンドのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2026-02-02T14:49:14Z)
• Penalized Empirical Likelihood for Doubly Robust Causal Inference under Contamination in High Dimensions [0.720409153108429]
  低サンプルサイズ方程式における平均処理効果を2倍頑健に推定する手法を提案する。 提案した信頼区間は, 競合する推定値と比較して効率がよいことを示す。
  論文  参考訳（メタデータ） (2025-07-23T11:58:54Z)
• Towards Continual Learning Desiderata via HSIC-Bottleneck Orthogonalization and Equiangular Embedding [55.107555305760954]
  本稿では,レイヤワイドパラメータのオーバーライトや決定境界の歪みに起因する,概念的にシンプルで効果的な手法を提案する。 提案手法は,ゼロの指数バッファと1.02倍の差が絶対的に優れていても,競争精度が向上する。
  論文  参考訳（メタデータ） (2024-01-17T09:01:29Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under Hidden Confounding [51.74479522965712]
  本稿では,B-Learnerと呼ばれるメタラーナーを提案する。 我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
  論文  参考訳（メタデータ） (2023-04-20T18:07:19Z)

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。