依赖删失下生存结局的多阶段最优动态治疗策略
统计方法学
2022-05-13 v2
摘要
我们提出一种强化学习方法，用于估计依赖删失下生存结局的最优动态治疗策略。该估计量允许失效时间在条件上独立于删失且依赖于治疗决策时间，支持灵活数量的治疗臂与治疗阶段，并可最大化平均生存时间或某一时间点的生存概率。该估计量使用广义随机生存森林构建，可具有多项式收敛速率。模拟与数据分析结果表明，新估计量在各设定下均带来比现有方法更高的期望结局。一个 R 包 dtrSurv 已在 CRAN 上提供。
引用
@article{arxiv.2012.03294,
title = {Multi-stage optimal dynamic treatment regimes for survival outcomes with dependent censoring},
author = {Hunyong Cho and Shannon T. Holloway and David J. Couper and Michael R. Kosorok},
journal= {arXiv preprint arXiv:2012.03294},
year = {2022}
}