使用共享神经元RBF网络的个体化多处理响应曲线估计
统计方法学
2024-10-21 v5 应用统计
机器学习
摘要
异质性处理效应估计是精准医疗中的一个重要问题。特定兴趣在于基于某些外部协变量识别不同处理的差异效应。我们提出了一种新颖的、适用于多处理场景的非参数处理效应估计方法。我们对响应曲线的非参数建模依赖于具有共享隐藏神经元的径向基函数（RBF）网络。因此，我们的模型有助于对处理结果之间的共性进行建模。估计和推断方案是在贝叶斯框架下，使用阈值化最佳线性投影开发的，并通过高效的马尔可夫链蒙特卡罗算法实现，适当地容纳了分析所有方面的不确定性。通过模拟实验展示了该方法的数值性能。将我们提出的方法应用于MIMIC数据，我们获得了关于不同治疗策略对出院回家的脓毒症患者ICU住院时长和12小时SOFA评分影响的若干有趣发现。
引用
@article{arxiv.2401.16571,
title = {Individualized Multi-Treatment Response Curves Estimation using RBF-net with Shared Neurons},
author = {Peter Chang and Arkaprava Roy},
journal= {arXiv preprint arXiv:2401.16571},
year = {2024}
}
备注
17 pages (not including references), with 7 tables and 1 figure in the main paper, 2 figures in the supplementary materials