具有针对易误协变量的重复观测的动态治疗方案：一种 Q-learning 方法
统计方法学
2024-04-09 v1
摘要
近年来，动态治疗方案（DTRs）受到了越来越多的关注。DTRs 是根据患者个体信息量身定制的治疗决策规则序列。DTR 研究的主要目标是确定最优 DTR，即能产生最佳预期临床结果的治疗决策规则序列。Q-learning 被认为是估计最优 DTR 最流行的基于回归的方法之一。然而，在患者信息受到测量误差污染的易误环境中，这一问题鲜有研究。在本文中，我们研究了协变量测量误差对 Q-learning 的影响，并提出了一种校正方法来纠正 Q-learning 中的测量误差。我们进行了模拟研究以评估所提出方法在 Q-learning 中的表现。我们通过在缓解抑郁症的序贯治疗替代方案数据中的应用，展示了所提方法的使用。
引用
@article{arxiv.2404.04696,
title = {Dynamic Treatment Regimes with Replicated Observations Available for Error-prone Covariates: a Q-learning Approach},
author = {Dan Liu and Wenqing He},
journal= {arXiv preprint arXiv:2404.04696},
year = {2024}
}