多分类匹配学习用于观测研究中最优个体化治疗规则的估计及其在肝细胞癌研究中的应用
统计方法学
2025-05-07 v2
摘要
精准医学的一个主要目标是基于个体特征估计能够优化患者健康结局的个体化治疗规则（ITRs）。实践中常见涉及多种治疗的健康研究。然而，现有多数 ITR 估计方法针对二分类治疗研究而开发，且许多要求结局被完全观测。本文提出一种基于匹配的机器学习方法，用于在观测性、多治疗且结局完全观测或右删失的研究中估计最优 ITRs。我们建立了该方法的理论性质，并在模拟研究及一项肝细胞癌研究中与现有竞争方法进行比较。
引用
@article{arxiv.2302.05287,
title = {Multicategory Matched Learning for Estimating Optimal Individualized Treatment Rules in Observational Studies with Application to a Hepatocellular Carcinoma Study},
author = {Xuqiao Li and Qiuyan Zhou and Ying Wu and Ying Yan},
journal= {arXiv preprint arXiv:2302.05287},
year = {2025}
}