使用反事实删失无偏变换估计生存结局的异质处理效应
统计方法学
2024-09-30 v2 机器学习
摘要
从观察数据中估计异质处理效应的方法主要集中在连续或二元结局上，对生存结局的关注较少，对存在竞争风险的情形则几乎没有关注。在本工作中，我们针对存在和不存在竞争风险的生存结局分别开发了删失无偏变换。使用这些 CUT 转换事件发生时间结局后，直接应用针对连续结局的 HTE 学习器即可得到异质累积发生率效应、总效应和可分离直接效应的一致估计。与以往可用方法相比，我们的 CUT 使得大量最先进的 HTE 学习器能够应用于删失结局，特别是在竞争风险情形下。我们提供了与模型无关的、特定于学习器的预言机不等式，用于界定有限样本超额风险。预言机效率的结果取决于预言机选择器以及变换中所有步骤涉及的估计冗余函数。我们在模拟研究中展示了所提方法的实证性能。
引用
@article{arxiv.2401.11263,
title = {Estimating Heterogeneous Treatment Effects on Survival Outcomes Using Counterfactual Censoring Unbiased Transformations},
author = {Shenbo Xu and Raluca Cobzaru and Stan N. Finkelstein and Roy E. Welsch and Kenney Ng and Zach Shahn},
journal= {arXiv preprint arXiv:2401.11263},
year = {2024}
}