从交叉设计估计个体化治疗策略
应用统计
2019-02-15 v1 机器学习
统计方法学
机器学习
摘要
精准医学领域旨在以可复现的方式依据患者特异性因素定制治疗。为此，估计一种最优个体化治疗策略（ITR）——其依据患者特征推荐治疗决策以最大化特定预设结局的均值——尤为引人关注。已有若干方法被提出用于从平行组设置的临床试验数据（每受试者随机至单一干预）中估计最优 ITR。然而，从交叉研究设计估计最优 ITR 方面的工作甚少。此类设计天然适用于精准医学，因其允许观测每位患者对多种治疗的响应。在本文中，我们引入一种利用 2x2 交叉研究数据（含或不含延滞效应）估计最优 ITR 的方法。所提方法类似于策略搜索方法（如结果加权学习）；但我们利用交叉设计，以各治疗下响应之差作为观测奖励。我们建立了 Fisher 一致性与全局一致性，给出了数值实验，并分析了某项喂养试验数据，以展示相比平行研究设计标准方法所提方法的更优表现。
引用
@article{arxiv.1902.05499,
title = {Estimating Individualized Treatment Regimes from Crossover Designs},
author = {Crystal T. Nguyen and Daniel J. Luckett and Anna R. Kahkoska and Grace E. Shearrer and Donna Spruijt-Metz and Jaimie N. Davis and Michael R. Kosorok},
journal= {arXiv preprint arXiv:1902.05499},
year = {2019}
}