利用汇总统计量学习目标最优治疗策略
统计方法学
2023-02-28 v2 应用统计
机器学习
摘要
个性化决策旨在依据个体特征推导最优治疗策略，近来在医学、社会服务与经济学等诸多领域受到日益关注。现有文献主要聚焦于从单一源人群估计治疗策略。在实际应用中，目标人群的分布可能与源人群不同，因此现有方法学到的治疗策略未必能良好泛化至目标人群。出于隐私顾虑及其他实际问题，目标人群的个体级数据往往不可得，这使治疗策略学习更具挑战。我们考虑如下情形：源与目标人群可能异质，源人群提供个体级数据，而目标人群仅可获取协变量的汇总信息（如矩）。我们开发了一个加权框架，借助可得的汇总统计量为给定目标人群定制治疗策略。具体而言，我们提出针对目标人群价值函数的校准增广逆概率加权估计量，并在预设策略类中通过最大化该估计量来估计最优治疗策略。我们证明所提校准估计量在 nuisance 函数近似采用灵活的半/非参数模型时仍一致且渐近正态，且价值估计量的方差可被一致估计。我们通过仿真研究以及以 eICU 数据集为源样本、MIMIC-III 数据集为目标样本的真实应用展示了所提方法的经验表现。
引用
@article{arxiv.2201.06229,
title = {Targeted Optimal Treatment Regime Learning Using Summary Statistics},
author = {Jianing Chu and Wenbin Lu and Shu Yang},
journal= {arXiv preprint arXiv:2201.06229},
year = {2023}
}