Robust estimation of optimal dynamic treatment regimes for sequential treatment decisions
序贯治疗决策中最优动态治疗方案的稳健估计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。
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：摘要明确研究试验或观察性数据中的序贯治疗分配、潜在方案评价与逆概率加权。
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…
序贯治疗决策中最优动态治疗方案的稳健估计
- 研究问题
- 如何从试验或观察性数据估计依据患者历史分配治疗的序贯决策规则，使总体平均结局最有利，并降低模型错设的影响？
- 方法与思路
- 作者在受限治疗方案类中，最大化总体平均结局的双重稳健增广逆概率加权估计量，作为 Q-learning 和 A-learning 的替代方法。
- 材料陈述的贡献
- 摘要称该方法以双重稳健目标直接搜索治疗方案，并通过模拟展示性能及对模型错设的稳健性，没有提供具体数值或普遍优势结论。
- 阅读关注点
- 应核对序贯因果识别条件、双重稳健性对应的模型组合、方案类限制，以及优化、估计误差和方案评价的处理方式。
- 阅读边界
- 材料为版本未注明的索引摘要；未说明识别假设、错设组合或优化保证，“最优”限定于所搜索方案类，不能推断刊本变化。
原文摘要
A dynamic treatment regime is a list of sequential decision rules for assigning treatment based on a patient's history. Q- and A-learning are two main approaches for estimating the optimal regime, i.e., that yielding the most beneficial outcome in the patient population, using data from a clinical trial or observational study. Q-learning requires postulated regression models for the outcome, while A-learning involves models for that part of the outcome regression representing treatment contrasts and for treatment assignment. We propose an alternative to Q- and A-learning that maximizes a doubly robust augmented inverse probability weighted estimator for population mean outcome over a restricted class of regimes. Simulations demonstrate the method's performance and robustness to model misspecification, which is a key concern.