面向竞争风险时间事件结果的条件平均处理效应的双健鲁棒靶向估计
统计方法学
2024-07-29 v1 应用统计
摘要
近年来，精准治疗策略在医学研究中特别关注患者护理。我们提出一种新框架，用于估计时间事件数据中条件平均处理效应 (CATE)，以 ICU 病人败血症为例。我们的方法基于累积发生函数和靶向最大似然估计 (TMLE)，实现渐近效率和双健鲁棒性。本工作的核心贡献在于推导 CATE 的 efficient influence function。我们给出理论证明，并通过仿真实验予以验证。我们的 TMLE 框架灵活，可适配各种回归和机器学习模型，适用于多种场景。为识别治疗效应异质性变量并实现准确 CATE 估计，我们开发了两种不同的变量重要性度量 (VIM)。本工作为优化个人化治疗策略提供了强大工具，进一步推动精准医学的实践。
引用
@article{arxiv.2407.18389,
title = {Doubly Robust Targeted Estimation of Conditional Average Treatment Effects for Time-to-event Outcomes with Competing Risks},
author = {Runjia Li and Victor B. Talisa and Chung-Chou H. Chang},
journal= {arXiv preprint arXiv:2407.18389},
year = {2024}
}
备注
42 pages, 8 figures