論文の概要: Conditional Average Treatment Effect Distillation for Hypothetical State-Intervention Targeting Under Budget Constraints

• arxiv url: http://arxiv.org/abs/2610.25627v1
• Date: Mon, 19 Oct 2026 01:08:04 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:41:41.945685
• Title: Conditional Average Treatment Effect Distillation for Hypothetical State-Intervention Targeting Under Budget Constraints
• Title（参考訳）: 予算制約下での仮想状態干渉ターゲットの条件平均処理効果蒸留
• Abstract要約: 観測データにおける予算制約のある仮説的状態介入について,過去の決定方針を経ずとも検討した。 カウサルフォレストとベイジアンカウサルフォレスト教師が条件平均治療効果(CATE)を推定する因果蒸留の評価を行った。 個別化ポリシーと教師なしK平均サブグループポリシー,および教師付き因果木ポリシーをK平均クラスタ数と一致する葉数と比較した。
• 参考スコア（独自算出の注目度）: 1.5755923640031846
• License:
• Abstract: Personalized public-health targeting must capture heterogeneous intervention benefits while remaining interpretable under resource constraints. Flexible causal-effect models can be hard to operationalize, while coarse subgroup policies may lose individualized effect information. We study budget-constrained hypothetical state interventions in observational data without a logged historical decision policy. For obesity, elevated glucose, and lifetime smoking-history states, causal-structure-informed pretreatment covariates are prespecified, with capacity capped at 70% of those observed in the adverse state. We evaluate causal distillation where Causal Forest and Bayesian Causal Forest teachers estimate conditional average treatment effects (CATEs), which decision tree and random forest students approximate. We compare individualized policies with unsupervised K-means subgroup policies and supervised causal-tree policies with leaf counts matched to K-means cluster counts. Observational policies are assessed on held-out data using a doubly robust estimator, bootstrap uncertainty, and decision-focused teacher-student fidelity measures. Across PIMA obesity and glucose and NHANES smoking-history experiments, each distilled student was within 0.011 absolute utility of its teacher, with allocation Jaccard similarities of 0.738-0.937. K-means and causal-tree policies were also competitive, with the highest point-estimate policy varying by application. Prespecified paired comparisons were nonsignificant after Holm adjustment, while near-budget-boundary agreement was less stable than global fidelity for some teacher-student pairs. Findings support causal distillation for translating flexible effect models into simpler budgeted targeting rules, although observational estimates depend on causal-identification assumptions and require longitudinal or prospective validation.
• Abstract（参考訳）: パーソナライズされた公衆衛生ターゲティングは、リソース制約の下で解釈可能なまま、異種介入の利点を捉えなければならない。 柔軟な因果効果モデルでは操作が難しいが、粗い部分群ポリシーでは個々の効果情報が失われる可能性がある。 観測データにおける予算制約のある仮説的状態介入について,過去の決定方針を経ずとも検討した。 肥満、血糖値上昇、喫煙履歴状態では、因果構造インフォームドプレトリート共変体が予め特定されており、その容量は、有害な状態で観察された患者の70%に制限されている。 本研究では, カウサルフォレストとベイジアンカウサルフォレスト教師が条件平均処理効果(CATE)を推定し, 決定木とランダム林生を近似した因果蒸留を評価した。 個別化ポリシーと教師なしK平均サブグループポリシー,および教師付き因果木ポリシーをK平均クラスタ数と一致する葉数と比較した。 2つの頑健な推定器、ブートストラップの不確実性、意思決定に焦点をあてた教師の忠実度測定を用いて、保持データに基づいて観察ポリシーを評価する。 PIMAの肥満、グルコース、NHANESの喫煙履歴実験では、各学生は0.738-0.937のジャカードの類似性を持つ0.011の絶対的有用性を持つ。 K平均と因果木政策も競争力があり、最も高いポイント推定政策は適用によって異なる。 事前のペア比較は, ホルム調整後の非有意なものであったが, ほぼ予算境界の合意は, 教師と学生のペアの国際的信頼度よりも低かった。 発見は、フレキシブルエフェクトモデルをより単純な予算化されたターゲティングルールに翻訳するための因果蒸留を支持するが、観測推定は因果同定の仮定に依存し、縦方向または予見的な検証を必要とする。

関連論文リスト

• Surv-IPTB: An Attention-Based Model for Estimating Individual Probability of Treatment Benefit with Survival Data [0.6882042556551609]
  提案したモデルであるSurv-IPTBは、特定の患者が治療中の生存時間とコントロール期間の延長を経験する確率を直接的に定量化する。 我々はIPTB推定を二項分類問題として再検討し、治療とコントロールコホート間での患者比較を両立させる。 学習可能なクエリキー変換によるアテンションメカニズムにより、ペア比較の柔軟なデータ駆動アグリゲーションが可能になる。
  論文  参考訳（メタデータ） (2026-08-06T17:13:44Z)
• From Unsupervised Subgroups to Hypothetical State-Intervention Policies: An Evaluation of Selected Subgrouping Methods in Observational Health Data [0.42970700836450487]
  本研究では, 被曝, 結果, 推定処理効果情報を使わずに, 前処理特性から構築したサブグループが, 政策優先順位付けのための解釈可能な単位として機能するかを検討する。 政策リスクの違いはゼロで、ホルム調整後も統計的に有意差はなかった。 発見は、介入の利益の証明よりも仮説的状態のコントラストに対する仮定に依存した決定を裏付ける証拠として解釈されるべきである。
  論文  参考訳（メタデータ） (2026-07-29T06:41:56Z)
• A Fixed-Effects Causal Forest for Staggered Adoption, with an Application to Medicaid Expansion [0.0]
  固定効果の因果林を持つtau_g,t(x)オブジェクトを推定する。 集団平均治療効果ATT(g,t)の相違 本稿では,ACAメディケイド拡張におけるカウンティレベルロールアウトのバリデーションとして,Callaway-Sant'Anna最小賃金パネルに適用する。
  論文  参考訳（メタデータ） (2026-07-22T00:53:27Z)
• ConfoundingSHAP: Quantifying confounding strength in causal inference [70.18600230387723]
  因果推論では、共同設立者は治療の決定と結果の両方に影響を与える変数である。 本稿では,各共変量に共起強度を寄与させるShapleyベースの手法であるConfoundingSHAPを紹介する。 様々なデータセットにまたがる実践的価値を実証する。
  論文  参考訳（メタデータ） (2026-05-11T13:19:33Z)
• 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)
• Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
  本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。 因果効果は肯定的か否定的か? 本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
  論文  参考訳（メタデータ） (2025-05-30T07:13:01Z)
• Accounting for Missing Covariates in Heterogeneous Treatment Estimation [17.09751619857397]
  生態学的推論に基づく新しい部分的識別戦略を導入する。 私たちのフレームワークは、他の方法では不可能であるよりもずっと厳密な境界を生成できることを示します。
  論文  参考訳（メタデータ） (2024-10-21T05:47:07Z)
• Treatment Effect Risk: Bounds and Inference [58.442274475425144]
  平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。 本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。 いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
  論文  参考訳（メタデータ） (2022-01-15T17:21:26Z)
• Doubly Robust Off-Policy Value and Gradient Estimation for Deterministic Policies [80.42316902296832]
  本研究では,行動継続時の非政治データから決定論的政策の政策値と勾配を推定する。 この設定では、密度比が存在しないため、標準重要度サンプリングとポリシー値と勾配の2倍の頑健な推定が失敗する。 異なるカーネル化アプローチに基づく2つの新しい頑健な推定器を提案する。
  論文  参考訳（メタデータ） (2020-06-06T15:52:05Z)
• Causal Inference under Outcome-Based Sampling with Monotonicity Assumptions [0.0]
  ケースコントロールとケースポピュレーションサンプリングによる因果推論について検討した。 強い無知性は、必ずしもランダムサンプリングのときほど強力ではないことを示す。
  論文  参考訳（メタデータ） (2020-04-17T16:01:34Z)

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。