Individualized Prediction Bands in Causal Inference with Continuous Treatments
连续处理因果推断中的个体化预测带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：摘要研究连续处理的因果剂量反应，并使用分位数与预测带刻画分布和不确定性信息。
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
连续处理因果推断中的个体化预测带
- 研究问题
- 研究连续处理水平下如何量化个体剂量反应曲线的不确定性，使个体化决策获得超出条件均值或中位数估计的信息。
- 方法与思路
- 作者将连续处理因果推断表述为协变量漂移问题，结合加权保形预测与分位数或点预测，构造个体化预测带。
- 材料陈述的贡献
- 摘要提出 IPB 以补充个体剂量反应的不确定性量化，并通过模拟和持续吸烟所致医疗支出的真实数据分析展示用途。
- 阅读关注点
- 应核对协变量漂移与因果目标的对应关系、权重估计条件，以及预测带究竟提供逐剂量还是同时覆盖、边际还是条件覆盖。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明因果识别假设和覆盖保证，预测带不能直接解释为个体效应置信带。
原文摘要
Individualized treatments are crucial for optimal decision making and treatment allocation, specifically in personalized medicine based on the estimation of an individual's dose-response curve across a continuum of treatment levels, e.g., drug dosage. Current works focus on conditional mean and median estimates, which are useful but do not provide the full picture. We propose viewing causal inference with a continuous treatment as a covariate shift. This allows us to leverage existing weighted conformal prediction methods with both quantile and point estimates to compute individualized uncertainty quantification for dose-response curves. Our method, individualized prediction bands (IPB), is demonstrated via simulations and a real data analysis, which demonstrates the additional medical expenditure caused by continued smoking for selected individuals. The results demonstrate that IPB provides an effective solution to a gap in individual dose-response uncertainty quantification literature.