基于深度生存剂量反应函数的连续治疗推荐
机器学习
2023-09-27 v5 人工智能
机器学习
计量经济学
摘要
我们针对具有临床生存数据的连续治疗推荐问题提出了一种通用框架，称为深度生存剂量反应函数（DeepSDRF）。即，我们考虑仅从历史数据中学习条件平均剂量反应（CADR）函数的问题，其中观测到的因素（混杂因素）同时影响观测治疗和事件发生时间结局。DeepSDRF估计的治疗效果使我们能够开发具有选择偏倚校正的推荐算法。我们比较了基于随机搜索和强化学习的两种推荐方法，发现它们在患者结局方面表现相似。我们在广泛的模拟研究和eICU研究所（eRI）数据库上测试了DeepSDRF及相应的推荐系统。据我们所知，这是首次在医学背景下使用因果模型处理基于观测数据的连续治疗效果问题。
引用
@article{arxiv.2108.10453,
title = {Continuous Treatment Recommendation with Deep Survival Dose Response Function},
author = {Jie Zhu and Blanca Gallego},
journal= {arXiv preprint arXiv:2108.10453},
year = {2023}
}
备注
results is outdated