Bayesian likelihood-based regression for estimation of optimal dynamic treatment regimes
用于最优动态治疗策略估计的贝叶斯似然回归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：摘要明确研究序贯治疗决策和最优动态治疗策略，与因果推断中的治疗策略评估直接相关。
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
用于最优动态治疗策略估计的贝叶斯似然回归
- 研究问题
- 面对连续多个阶段的治疗决策，如何估计最优动态治疗策略，同时保留协变量与阶段结果之间的可解释关系和概率一致性？
- 方法与思路
- 作者提出含回归设定的贝叶斯似然动态治疗策略模型，定义过程的概率一致性性质，并论证该似然框架满足这些性质。
- 材料陈述的贡献
- 摘要称其框架保证所定义的概率一致性，并指出部分现有方法可能违反这些性质；数值研究报告了更好的表现。
- 阅读关注点
- 应核对概率一致性的定义与证明、最优策略目标、治疗分配和结果识别条件，以及数值研究的基准与评价指标。
- 阅读边界
- 仅依据所给 Crossref 摘要；未说明因果识别假设、最优策略的具体求解方式或比较数值，不能推断普遍优越性。
原文摘要
Abstract Clinicians often make sequences of treatment decisions that can be framed as dynamic treatment regimes. In this paper, we propose a Bayesian likelihood-based dynamic treatment regime model that incorporates regression specifications to yield interpretable relationships between covariates and stage-wise outcomes. We define a set of probabilistically-coherent properties for dynamic treatment regime processes and present the theoretical advantages that are consequential to these properties. We justify the likelihood-based approach by showing that it guarantees these probabilistically-coherent properties, whereas existing methods lead to process spaces that typically violate these properties and lead to modelling assumptions that are infeasible. Through a numerical study, we show that our proposed method can achieve superior performance over existing state-of-the-art methods.