受阶段风险约束的最优动态治疗方案学习
统计方法学
2024-04-23 v2
摘要
动态治疗方案(DTRs)旨在根据患者决策的异质性，定制个体化的序贯治疗规则，以最大化累积有益结局。对于包括2型糖尿病(T2D)在内的许多慢性疾病，治疗通常是多方面的，即具有较高期望收益的激进治疗也可能增加急性不良事件的风险。本文提出一种新的加权学习框架，即获益-风险动态治疗方案(BR-DTRs)，以处理获益-风险权衡。该新框架依赖于一种反向学习过程，通过将所诱导的治疗规则在各治疗阶段的风险限制为不大于预先指定的风险约束。在计算上，估计的治疗规则求解一个带修正光滑约束的加权支持向量机问题。在理论上，我们证明所提出的DTRs是Fisher一致的，并进一步得到了价值函数与风险函数的收敛速率。最后，通过广泛的模拟研究以及对T2D患者真实研究的应用，展示了所提方法的性能。
引用
@article{arxiv.2212.12501,
title = {Learning Optimal Dynamic Treatment Regimens Subject to Stagewise Risk Controls},
author = {Mochuan Liu and Yuanjia Wang and Haoda Fu and Donglin Zeng},
journal= {arXiv preprint arXiv:2212.12501},
year = {2024}
}