个性化治疗方式的性能保证
本文介绍了通过重新定义分类问题，将最优治疗规则的估计转化为分类问题，提出了一类新的基于凸大间隔分类器的最优治疗规则估计方法，这类方法具有双重稳健性，能够在使用属性模型或结果模型进行正确说明时一致地估计最优个体化治疗规则，并使用半参数效率理论技术推导了提议的估计器的一致收敛率，并使用这些结果表征了基于分类的方法估计最优治疗规则时的偏差 - 方差折衷，并通过仿真实验证明了在提议的框架内构造的新估计器可以显著优于现有估计器，数据来自劳动培训计划和炎症性肠病研究。
Jan, 2019
对于估计异质性治疗效果的研究人员，不需要局限于单个模型拟合算法，应通过从验证集中学习的目标函数对使用多个算法拟合的多个模型进行评估，从而选择最小化目标的模型，用于未来个体的治疗效果估计。
Apr, 2018
介绍了一种基于统计模型的治疗制度，可根据患者特征推荐治疗方法，提高治疗效果和减少社会成本。该治疗制度简单易懂，适用于广泛的实践应用，并可通过临床试验数据进行验证。
Apr, 2015
我们提出了因果规则学习方法，用于估计和增强对异质性治疗效应的理解，通过解答一个被以前研究忽略的问题，即一个个体是否同时属于多个具有不同平均治疗效应的组。模拟和真实数据分析证明了因果规则学习在复杂的地面真实情况和充足样本量时对异质性治疗效应的可解释估计的卓越性能。
Oct, 2023
使用贝叶斯非参数方法来建立个体化治疗反应曲线，从而提升个性化决策的精度，该方法使用观测时间序列，并结合 G - 计算公式对连续响应进行估计。
Aug, 2016
连同统计可减少方差的估计和鲁棒估计在内，研究了在可能违反正性的情况下的最优治疗规则的因果识别和估计，以及如公平性等约束通过约束优化处理，并提出了用于获得方差敏感性遗憾界的多参数政策类的两阶段算法。
Sep, 2023
本研究比较并评估了三种在医疗决策中学习个性化治疗方针的方法：两种间接方法和一种直接方法。研究结果表明，三种方法均优于临床医生，并在不同目标之间进行权衡。直接方法还具有其他优点，包括灵活地将其他目标纳入考量，适用于简单情况的医师推迟。
Jun, 2020
开发了一种基于 “优势双倍稳健” 估计器的动态治疗规则学习方法，适用于顺序无关性假设，证明了福利遗憾界，展示了在几种不同背景下有希望的实证表现。该方法适用于政策优化，不需要任何结构性假设。
May, 2019