最优动态治疗规则价值估计量的性能与应用
统计方法学
2021-10-27 v4 应用统计
摘要
给定一个（最优）动态治疗规则，评估该规则可能是令人感兴趣的——即提出因果问题：若每个受试者均按该规则接受治疗，其预期结局是什么？在本文中，我们研究了近似以下真实价值的估计量的性能：1）一个先验已知的动态治疗规则；2）真实但未知的最优动态治疗规则（ODTR）；3）一个估计的ODTR，即所谓的“数据自适应参数”，其真实价值依赖于样本。通过使用点治疗的模拟数据，我们具体考察了：1）对干扰参数和/或ODTR日益数据自适应的估计对性能的影响；2）通过使用半参数有效估计量实现效率和偏差降低的潜力；以及3）基于CV-TMLE进行样本分割对准确推断的重要性。在所考虑的模拟中，使用交叉验证靶向最大似然估计量（CV-TMLE）来估计真实和估计ODTR的价值几乎没有什么代价而益处颇多；重要的是，与非交叉验证估计量相反，即使使用高度数据自适应的算法来估计干扰参数和ODTR，CV-TMLE的性能也得以保持。此外，我们将这些规则价值估计量应用于“Interventions”研究——一项正在进行的随机对照试验，以判断相较于以非个体化方式分配认知行为疗法（CBT），使用ODTR向涉及刑事司法且有精神疾病的成年人分配CBT是否能显著降低再犯概率。
引用
@article{arxiv.2101.12333,
title = {Performance and Application of Estimators for the Value of an Optimal Dynamic Treatment Rule},
author = {Lina Montoya and Jennifer Skeem and Mark van der Laan and Maya Petersen},
journal= {arXiv preprint arXiv:2101.12333},
year = {2021}
}