干扰下动态治疗方案的通用识别
统计方法学
2020-04-06 v1 人工智能
机器学习
摘要
在许多应用领域，研究者通常希望根据单位特征定制治疗方案以优化感兴趣的结果。识别和估计治疗策略的方法是动态治疗方案文献的主题。另外，在许多设置中，由于受试者之间的依赖性，数据独立同分布的假设不成立。受试者的结果依赖于其邻居暴露的现象称为干扰。这些领域在无数现实场景中交叉。本文考虑在存在干扰的情况下识别最优治疗策略的问题。通过使用Lauritzen-Wermuth-Freydenburg链图（Lauritzen and Richardson, 2002）对干扰进行通用表示，我们形式化了干扰下的多种策略干预，并扩展了现有的识别理论（Tian, 2008; Sherman and Shpitser, 2018）。最后，我们在模拟研究中说明了干扰下策略最大化的有效性。
引用
@article{arxiv.2004.01218,
title = {General Identification of Dynamic Treatment Regimes Under Interference},
author = {Eli Sherman and David Arbour and Ilya Shpitser},
journal= {arXiv preprint arXiv:2004.01218},
year = {2020}
}
备注
2020 Conference on Artificial Intelligence and Statistics (AIStats)