Probabilistic Prediction for Binary Treatment Choice: with focus on personalized medicine
二元治疗选择中的概率预测：聚焦个体化医疗AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论治疗决策与概率预测评价，未明确研究因果效应识别或离散选择行为模型。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
二元治疗选择中的概率预测：聚焦个体化医疗
- 研究问题
- 论文研究临床上选择监测或积极治疗时，如何使用疾病概率估计作出决策，以及预测模型应如何按治疗决策的后果进行评价。
- 方法与思路
- 作者在统计决策理论框架下，以最大遗憾衡量治疗规则的表现，研究把估计疾病概率代入优化问题的决策方式及其评价。
- 材料陈述的贡献
- 摘要将疾病概率估计下的代入式优化作为新增研究内容，并主张用统计决策理论统一评价预测对临床治疗选择的实际作用。
- 阅读关注点
- 阅读全文时应核对治疗后果与损失函数、允许的数据生成状态集合，以及最大遗憾的计算方式和概率估计误差对决策的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出具体决策界限或比较结果，不能据此判断某种治疗规则普遍更优。
原文摘要
This paper extends my research applying statistical decision theory to treatment choice with sample data, using maximum regret to evaluate the performance of treatment rules. The specific new contribution is to study as-if optimization using estimates of illness probabilities in clinical choice between surveillance and aggressive treatment. Beyond its specifics, the paper sends a broad message. Statisticians and computer scientists have addressed conditional prediction for decision making in indirect ways, the former applying classical statistical theory and the latter measuring prediction accuracy in test samples. Neither approach is satisfactory. Statistical decision theory provides a coherent, generally applicable methodology.