基于 Q-learning 方法识别最优成本效益动态治疗策略
统计方法学
2021-10-20 v3
摘要
有关患者治疗策略的卫生政策决策需同时考虑治疗效果与成本。针对效果优化治疗规则可能导致费用高昂难以承受的策略；反之，针对成本优化则可能导致患者结局不佳。我们提出一种两步法以识别最优成本效益且可解释的动态治疗策略。首先，我们开发一种结合 Q-learning 与策略搜索的方法，在期望治疗成本约束下估计最优的基于列表的策略。其次，我们提出一种迭代程序，从对应不同成本约束的候选策略集中选出最优成本效益策略。我们的方法可在存在时变混杂、删失与相关结局的情况下估计最优策略。通过模拟研究，我们阐明了估计治疗策略的有效性，并考察了灵活建模方法下的运行特征。我们还将该方法应用于评估子宫内膜癌患者辅助治疗的优化成本效益策略。
引用
@article{arxiv.2107.03441,
title = {Identifying optimally cost-effective dynamic treatment regimes with a Q-learning approach},
author = {Nicholas Illenberger and Andrew J. Spieker and Nandita Mitra},
journal= {arXiv preprint arXiv:2107.03441},
year = {2021}
}
备注
16 pages, 4 tables, 1 figure