利用电子健康记录数据对异质性处理效应的稳健估计
统计方法学
2021-05-10 v1
摘要
异质性处理效应的估计是精准医学的重要组成部分。在因果推断框架下已发展出基于模型与算法的方法以实现有效的估计与推断。现有方法如 A-learner、R-learner、修正协变量法（含与不含效率增强）、逆倾向得分加权以及增广逆倾向得分加权，大多在平方误差损失函数下提出。这些方法在数据不规则与高维（如电子健康记录（EHR）数据分析中所遇）情形下的表现研究较少。本研究中，我们描述了一个通用表述，通过公共得分函数统一了诸多现有学习器。新表述允许引入最小绝对偏差（LAD）回归与降维技术，以应对 EHR 数据分析中的挑战。我们证明在一组温和正则条件下，所得估计量具有渐近正态分布。在此框架内，我们基于加权 LAD 并同时施加稀疏性与平滑性惩罚，提出了两个针对 EHR 分析的特定估计量。模拟研究表明，所提方法在各种情形下对离群值更为稳健。我们利用这些方法评估了两种常用降压疗法的降血压效应。
引用
@article{arxiv.2105.03325,
title = {Robust Estimation of Heterogeneous Treatment Effects using Electronic Health Record Data},
author = {Ruohong Li and Honglang Wang and Wanzhu Tu},
journal= {arXiv preprint arXiv:2105.03325},
year = {2021}
}
备注
Statistics in Medicine (2021)