非靶向试验中组别效应的一致因果推断
机器学习
2025-04-23 v1 机器学习
摘要
某种治疗措置对于效果为正的“病人”群体是合适的，但也可能对来自另一个群体（“健康”群体）的受试者产生不利影响。在非靶向试验中，病人和健康受试者都可能接受治疗，导致受试者群体内产生异质效应。推断病人人群的正确治疗效应然后变得困难，因为不同群体的效应相互交织。在本文中，我们提出了一种高效的非参数方法，用于估计组别效应，称为 PCM（预聚类并合并）。我们在一般设置下证明了其渐近一致性，并在合成数据上显示其准确性优于现有 SOTA 方法超过 10 倍。我们的 approach 更广泛地适用于具有有限取值范围的函数的一致估计。
引用
@article{arxiv.2504.15854,
title = {Consistent Causal Inference of Group Effects in Non-Targeted Trials with Finitely Many Effect Levels},
author = {Georgios Mavroudeas and Malik Magdon-Ismail and Kristin P. Bennett and Jason Kuruzovich},
journal= {arXiv preprint arXiv:2504.15854},
year = {2025}
}