Sep, 2021

治疗异质性下的倾向分数回归因果推断

PDF
TL;DR本文提出了一种借助倾向得分回归进行非参数估计的方法，以探究在人群的不同特征下治疗效果的差异，其计算效率高且不受干扰。通过在 NHFS 数据上应用该方法，研究了不同年龄组人群接种疫苗和带薪病假对季节性流感的影响。
treatment effectspersonalized medicinepropensity score regressionnon-parametric estimationnhfs data
发现论文，激发创造
  • 多种干预措施的因果效应评估：综述与新思路

    本文介绍了使用倾向得分法估算二元治疗的因果效应，探讨了一些减少治疗和对照组之间初始协变量偏差的方法，并针对多种分类治疗方法提出了可能的匹配技术，利用模拟演示了如何提高匹配集合中协变量的相似度。

    Jan, 2017

  • 用于因果效应估计的校准倾向得分

    通过对倾向得分模型进行重新校准，可以提高因果效应估计的准确性，进而降低在高维基因组关联研究等任务中的计算要求。

    Jun, 2023

  • 使用倾向分数方法估算市场干预的因果效应

    介绍了倾向性评分法作为评估干预措施因果效应的中心工具，并讨论了它在医学研究、流行病学和市场干预等领域的应用。同时，指出在评估市场干预方面，传统的统计工具可能会产生明显的偏差，而倾向性评分法是评估因果效应的更优方法。

    Sep, 2006

  • 借助伪观察量进行生存结果的倾向性评分加权分析

    文章提出了一种处理在 “比较效度研究” 中常出现、因样本不完整而右截断的生存结果的方法，该方法将生存结果构造为伪观测值，使得标准方法如 “倾向性评分加权法” 可以像完全观测数据一样进行因果推断，借助函数变量法和 von Mises 展开法产生一个新的闭合形式的权重估计方差，考虑了伪观测值计算和倾向性评分估计的不确定性，从而实现有效且高效的推断，最后，将该方法应用于比较前列腺癌患者的三种常见治疗方法的因果效应。

    Feb, 2021

  • 使用非参数回归模型估算个体治疗效果：一篇综述

    本文旨在探讨在观察性或非全随机数据上进行因果推断的问题以及利用统计学习工具来解决这些问题。我们介绍了现有最先进的合适的框架，可通过非参数回归模型估计个体处理效应，并提出了模型选择问题，旨在利用某些方法对三个不同模拟研究的效果进行说明。最后，我们演示了在学校餐饮计划数据的实证分析中使用一些方法。

    Sep, 2020

  • 通过定制化损失函数实现协变量平衡的倾向得分

    通过协变量平衡评分规则改进倾向性分数估计进行观察研究，可以使震荡的协变量平衡，并且提供比贝努利极大似然估计更稳健的估计。

    Jan, 2016

  • 协同异质因果推断 —— 超越元分析

    本研究提出了一种用于处理异质数据的协作逆倾向得分加权估计器，在协作中调整分布转移，从而在异质性增加时显著提高性能，提出了一种联邦学习算法来在保持隐私的同时协作训练结果模型，并通过合成和真实数据集展示了方法的优势。

    Apr, 2024

  • 借助倾向得分加权平衡协变量

    本文考虑针对协变量的平衡，提出基于倾向得分的加权策略以平衡不同处理组间分布的协变量。并针对此类权重提出新的加权方案，即叠加权重，从而最小化此类平衡权重中加权平均治疗效应的渐进方差，同时具有良好的小样本平衡性质。最后，我们提出一种新的方法，可以实现任何选定协变量的均值的精确平衡。

    Sep, 2016

  • 观察性研究中的倾向评分匹配和分类方法在多层次治疗中的应用

    本文针对多个处理水平下的观察研究，开发了估计平均处理效应的新方法，并通过对纤维肌痛治疗效果的分析和模拟研究验证了这些方法的有效性。

    Aug, 2015

  • 解决离线推荐学习中的倾向性矛盾问题

    本研究探讨了在选择偏差存在的情况下从明确评分反馈进行离线推荐学习的方法，在推荐偏差的解决方案中，逆偏重评分（IPS）估计是一个当前很有前途的解决方案，但基于倾向性的现有方法的性能会受到倾向性估计偏差的显着影响。因此，我们提出了一种新的算法，该算法通过对抗学习来最小化理论上的偏差，以达到在实际情况中优于一系列现有方法的效果。

    Oct, 2019