高维替代标记的双重稳健评估
统计方法学
2022-11-10 v2
摘要
在评估治疗、政策或干预的有效性时，所需的有效性度量可能收集成本高昂、非常规可得或需长时间才发生。这些情况下，有时可确定一个能更易/更快/更便宜地捕捉感兴趣效应的替代结局。在随机临床研究中对单一替代标记强度评估的理论与方法已得到充分研究。然而，当替代标记的维度增长和/或研究数据为观测性时，量化替代标记效用的手段仍然缺乏。我们提出一种高效的非参数方法，用于在不必随机化治疗的研究中评估高维替代标记。我们的方法利用了量化替代标记效用与因果推断最基本工具——即平均处理效应估计方法——之间的联系。我们表明，近期发展的将机器学习方法纳入平均处理效应估计的方法可用于评估替代标记。这使我们能推导关键量的极限渐近分布，并在模拟中展示其良好表现。
引用
@article{arxiv.2012.01236,
title = {Doubly-robust evaluation of high-dimensional surrogate markers},
author = {Denis Agniel and Layla Parast and Boris Hejblum},
journal= {arXiv preprint arXiv:2012.01236},
year = {2022}
}