利用联合置信区间识别多结局下的异质性处理效应
机器学习
2022-12-06 v1
摘要
异质性处理效应（HTEs）通常在随机对照试验（RCTs）中被识别。识别具有相似处理效应的患者子群在临床研究中备受关注，以推进精准医疗。通常，在 RCT 中会测量多个临床结局，每个结局都可能具有潜在的异质效应。近来，识别 HTE 子群受到高度关注，然而针对多结局情形下开发工具的研究较少。在本文中，我们提出一种基于联合置信区间（CIs）对协变量空间进行划分以识别跨多结局子群的框架。我们在具有两个结局的合成与半合成数据上测试了我们的算法，并证明该算法能够同时捕捉两个结局中的 HTE。
引用
@article{arxiv.2212.01437,
title = {Identifying Heterogeneous Treatment Effects in Multiple Outcomes using Joint Confidence Intervals},
author = {Peniel N. Argaw and Elizabeth Healey and Isaac S. Kohane},
journal= {arXiv preprint arXiv:2212.01437},
year = {2022}
}
备注
Accepted to ML4H 2022. Available at https://proceedings.mlr.press/v193/argaw22a.html