論文の概要: Bayesian Propensity Score Predictive Inference for Extending Trial Findings to Target Populations

• arxiv url: http://arxiv.org/abs/2610.31915v1
• Date: Thu, 22 Oct 2026 21:08:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.293924
• Title: Bayesian Propensity Score Predictive Inference for Extending Trial Findings to Target Populations
• Title（参考訳）: ベイジアン確率スコアによる個体群を対象とした試行調査の予測
• Abstract要約: CODIACS Vanguardランダム化試験は、うつ病治療の介入と、急性冠症候群後の持続的なうつ症状の患者に対する通常のケアを比較した。 米国全電子健康記録から構築した2つのコホートで表される広範な患者集団にその所見を拡張できるかどうかを評価する。
• 参考スコア（独自算出の注目度）: 0.2446672595462589
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The CODIACS Vanguard randomized trial compared a depression care intervention with usual care for patients with persistent depressive symptoms following acute coronary syndrome. We assess whether its findings can be extended to broader patient populations represented by two cohorts constructed from the All of Us electronic health records. This extension is challenging when treatment effects vary across covariates whose distributions differ between trial and target populations. We develop Bayesian Propensity Score Predictive Inference (PSPI), an interaction-based outcome modeling framework that combines Bayesian additive regression trees for potentially high-dimensional covariates with natural cubic splines of the sampling propensity score. Two variants include a separate spline in the treatment effect component alone or in both the prognostic and treatment effect components. The spline components allow separate regularization of selection-related variation and thus improve potential outcome estimation within the observed range and allow an explicit extrapolation rule beyond their boundary knots under substantial covariate shift. An inverse Gumbel transformation of the sampling propensity score balances compression near zero and the extent of extrapolation. Simulation studies show that spline-based PSPI models outperform competing methods in the settings studied, achieving lower root mean squared errors and near-nominal coverage, particularly under substantial covariate shift. In the application, PSPI estimates larger intervention benefits in both target populations than the unadjusted trial estimate.
• Abstract（参考訳）: CODIACS Vanguardランダム化試験は、うつ病治療の介入と、急性冠症候群後の持続的なうつ症状の患者に対する通常のケアを比較した。 米国全電子健康記録から構築した2つのコホートで表される広範な患者集団にその所見を拡張できるかどうかを評価する。 この拡張は、治験と対象個体の分布が異なる共変量で治療効果が異なる場合に困難である。 提案手法は,高次元共変量に対するベイズ加法回帰木とサンプリング確率スコアの自然な3次スプラインを組み合わせ,相互作用に基づく結果モデリングフレームワークであるベイズ確率スコア予測推論(PSPI)を開発する。 2つの変種は、治療効果成分単独または予後および治療効果成分の両方において別個のスプラインを含む。 スプライン成分は選択関連変動の正則化を分離し、観測範囲内での潜在的な結果推定を改善し、相当な共変量シフトの下で境界結び目を超えた明示的な外挿規則を許容する。 サンプリング確率スコアの逆ガムベル変換は、ゼロ付近の圧縮と外挿の程度とのバランスをとる。 シミュレーション研究により, スプラインベースPSPIモデルは, 比較手法よりも優れ, 根の平均二乗誤差が低く, 準位に近い範囲で, 特に有意な共変量シフト下では優れていた。 適用例では、PSPIは、調整されていない試行の見積もりよりも、両方の対象者の介入効果が大きいと見積もっている。

関連論文リスト

• A Bayesian machine learning approach to direct and spillover effects in cluster-randomized trials with noncompliance [4.04401169071427]
  本研究では,クラスタランダム化試験における直接的および脱落効果を非コンプライアンスで推定する機械学習手法を開発した。 提案手法は,非適合性の存在下での直接および余剰効果の分解の柔軟なベイズ推定を提供する。
  論文  参考訳（メタデータ） (2026-10-20T00:20:47Z)
• Attention-Based Estimation of the Individual Treatment Benefit Probability under Dose Variation [0.5872014229110213]
  本稿では,IPTB推定のための一般フレームワークを提案する。 本手法では, 個々の治療効果の未観測符号に対して, 問題を二項分類として再検討する。 注意に基づくアグリゲーションは、カーネルの代替よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-06-11T18:53:49Z)
• 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)
• 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)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Causal Inference for Genomic Data with Multiple Heterogeneous Outcomes [1.5845117761091052]
  複数の導出結果を持つ2つのロバストな推定のための一般的な半パラメトリックフレームワークを提案する。 分析を標準化された平均処理効果と量子処理効果に専門化する。
  論文  参考訳（メタデータ） (2024-04-14T02:07:14Z)
• 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)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)

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。