动态治疗方案中的统计推断
统计方法学
2013-11-27 v3 机器学习
其他统计学
摘要
动态治疗方案在临床科学中日益受到关注，因为这些方案提供了一种操作化并进而指导序贯个性化临床决策的方法。动态治疗方案是一系列决策规则，每个临床干预阶段对应一个决策规则；每个决策规则将最新的患者信息映射到推荐的治疗方案。我们简要回顾了利用数据构建决策规则的多种方法。然后，我们讨论了一个有趣的挑战，即该领域经常出现的非正则性问题。所谓非正则性，是指索引最优动态治疗方案的参数是底层生成分布的非光滑泛函。其后果是，这些参数不存在正则或渐近无偏的估计量。非正则性出现在最优动态治疗方案参数的推断中；我们通过渐近偏差以及对渐近极限分布对局部扰动的敏感性，说明了非正则性的影响。我们提出并评估了一种针对最优动态治疗方案参数的局部一致自适应置信区间 (ACI)。我们以儿童多动症适应性干预研究的数据作为说明性示例。最后，我们强调并讨论了该领域新出现的理论问题。
引用
@article{arxiv.1006.5831,
title = {Statistical Inference in Dynamic Treatment Regimes},
author = {Eric B. Laber and Min Qian and Dan J. Lizotte and William E. Pelham and Susan A. Murphy},
journal= {arXiv preprint arXiv:1006.5831},
year = {2013}
}