面向个体化联合治疗规则的多标签残差加权学习
统计方法学
2024-03-08 v3
摘要
个体化治疗规则（ITRs）已广泛应用于精准医学和个性化营销等诸多领域。除针对二分类或多分类治疗的ITR广泛研究外，应用联合治疗也引起了相当大的兴趣。本文引入一种新颖的ITR估计方法，用于考虑治疗间交互效应的联合治疗。具体而言，我们在残差加权学习框架下提出广义-损失作为非凸替代损失，具备良好的统计与计算性质。在统计上，所提替代损失的最小化器与最优决策规则具有Fisher一致性，可在任意强度水平纳入交互效应——相较现有方法是一显著改进。在计算上，所提方法应用凸差算法以实现高效计算。通过模拟研究与真实数据应用，我们证明了所提方法在推荐联合治疗方面的优越性能。
引用
@article{arxiv.2310.00864,
title = {Multi-Label Residual Weighted Learning for Individualized Combination Treatment Rule},
author = {Qi Xu and Xiaoke Cao and Geping Chen and Hanqi Zeng and Haoda Fu and Annie Qu},
journal= {arXiv preprint arXiv:2310.00864},
year = {2024}
}