利用高维协变量下协变量特异处理效应曲线估计最优个体化治疗规则
统计方法学
2021-08-12 v2
摘要
在存在大量基线协变量时，我们提出一种用于异质性处理效应估计与个体化治疗选择的半参数建模新策略，此二者是精准医学的两大目标。我们通过估计协变量特异处理效应（CSTE）曲线实现前一目标，该曲线被建模为所有基线协变量加权线性组合的未知函数。每个协变量的权重或系数通过拟合稀疏半参数 logistic 单指标系数模型来估计。CSTE 曲线由样条回代核过程估计，使我们能在期望置信水平下进一步构造 CSTE 曲线的同时置信带（SCB）。基于 SCB，我们找到受益于各治疗的病患子群，从而可做出个体化治疗选择。所提方法的创新有三方面。首先，该方法能量化伴随高维协变量下估计最优个体化治疗规则的不确定性。其次，该方法在存在高维协变量时非常灵活地刻画治疗与基线协变量间的局部与全局关联，从而在实现降维的同时具备灵活性。第三，SCB 渐近达到名义置信水平，并为个体化治疗决策提供了统一的推断工具。
引用
@article{arxiv.1812.10018,
title = {Estimation of Optimal Individualized Treatment Rules Using a Covariate-Specific Treatment Effect Curve with High-dimensional Covariates},
author = {Wenchuan Guo and Xiao-hua Zhou and Shujie Ma},
journal= {arXiv preprint arXiv:1812.10018},
year = {2021}
}