Apr, 2023

基于贝叶斯框架的循环事件因果分析与不死风险

PDF
TL;DR利用半参数贝叶斯模型和 g - 计算框架，以医疗保险索赔数据为例，探索了在已知患有慢性背痛的病患中使用不同阿片类药物策略对住院率产生的影响，解决了再发事件速率计算中的治疗时间不精确导致的失调问题。
recurring event ratesobservational claims datamisalignmenttreatment switching problemsemiparametric bayesian model
发现论文，激发创造
  • 深度递归生存分析

    该研究提出了一种深度循环生存分析模型，结合了深度学习和生存分析，通过对每个样本的条件概率建模，捕获时间依赖性，预测真实事件发生的可能性并估计被审查数据的生存率，同时不需要假设任何特定形式的事件概率分布，在三个不同领域的实验中，该模型在各种度量标准下明显优于现有解决方案。

    Sep, 2018

  • 连续时间中因果效应的统计建模

    本篇论文通过建立时间连续的结构嵌套模型，提出可以在时间相关性干扰存在下，估算时间变化的治疗效应的概念框架和形式化方法，同时表明这样的估算器是准确和渐近正常的。

    Oct, 2004

  • 带有截尾时间事件的反事实表型学

    本文提出了一种潜变量方法，用于模拟异质性治疗效果，并演示其在多个大型随机对照试验中发现个体可操作表型的能力。

    Feb, 2022

  • 使用多任务高斯过程进行个性化治疗效应的贝叶斯推断

    基于电子病历的丰富性，本研究提出了一种基于多任务学习的方法来推断个性化治疗效果，使用非参数贝叶斯方法来学习治疗效果，同时提供置信度的点间可信区间，以实现精准医学，并证明该方法在早产儿干预社会计划和舒张期心脏病患者左心室辅助装置中明显优于现有技术。

    Apr, 2017

  • 可解释的（而不仅是事后解释的）异质性生还者偏差修正治疗效应，用于指派出院后干预措施以预防再入院

    利用生存分析来量化术后评估和管理服务对于防止医院再入院率和死亡率的影响，并且确定了个案管理服务对于降低再入院率影响最大，尤其是对于被送往长期护理设施并且在入院前一季度资源利用率高的患者。

    Apr, 2023

  • CenTime: 事件条件下的生存分析中截尾建模

    提出了 CenTime，一种用于生存分析的新方法，该方法通过创新的事件条件压缩机制直接估计事件发生时间，即使在无未被压缩的数据的情况下，我们的方法依然能够形成事件模型参数的一致估计器。

    Sep, 2023

  • 持续因果效应估计：挑战与机遇

    在大数据时代，处于生态经济学、医疗保健、网络挖掘、在线广告和市场营销等多个领域的观测数据的因果关系进一步的理解异常重要。然而目前现有的因果效果评估方法主要集中在源特定和固定的观测数据上，缺乏对数据连续性、领域适配性以及海量数据的易用性等问题的持续性研究，而这些问题非常普遍。本论文定义了持续性治疗效果的评估问题，并提出了问题的研究难点和可能的解决方案。最后，我们还讨论了未来该领域的研究方向。

    Jan, 2023

  • 一种贝叶斯非参数方法用于估计个体化的治疗反应曲线

    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

  • 从随机试验个体到所有符合试验条件个体的因果推断的普适性

    研究了如何通过使用基线共变量数据和随机分配的治疗和结局数据，来辨别出所有适合个体的潜在（反事实）结局均值和平均治疗效应，并评估了它们的估计器在模拟研究中的有限样本表现，最后通过应用这些估计器对慢性冠状动脉疾病的研究结果进行了说明。

    Sep, 2017

  • 对抗时间至事件建模

    该论文提出了基于深度网络和对抗学习的非参数事件时间分布估计方法，通过有效利用丰富的健康分子数据和电子健康数据，为现代健康数据科学的应用提供了重要支持，并在基准和真实数据集上得到了显著的性能提高。

    Apr, 2018