结果误分类下动态治疗方案中的 Q-learning
统计方法学
2024-12-11 v1
摘要
精准医学的研究涉及动态治疗方案（DTRs），即将患者个体信息作为输入所推荐的治疗决策规则序列。DTR 研究的主要目标是确定最优 DTR，即能带来最佳预期临床结果的治疗决策规则序列。近年来已发展出多种估计最优 DTR 的统计方法，包括 DTR 文献中一种基于回归的方法——Q-learning。尽管关于 Q-learning 的研究很多，但鲜有研究关注存在噪声数据（如结果误分类）的情况。在本文中，我们研究了结果误分类对 Q-learning 的影响，并提出了一种校正方法来消除误分类效应。我们进行了模拟研究以证明所提方法令人满意的表现。我们通过来自国家健康与营养检查调查数据 I 流行病学随访研究和戒烟计划中的两个例子展示了所提方法的应用。
关键词
引用
@article{arxiv.2404.04697,
title = {Q-learning in Dynamic Treatment Regimes with Misclassified Binary Outcome},
author = {Dan Liu and Wenqing He},
journal= {arXiv preprint arXiv:2404.04697},
year = {2024}
}