Interpretable (not just posthoc-explainable) heterogeneous survivor bias-corrected treatment effects for assignment of postdischarge interventions to prevent readmissions
校正幸存者偏差的可解释异质性治疗效应：出院后干预与再入院预防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：摘要围绕出院后治疗效应的幸存者偏差校正、混杂控制和异质性因果评价展开。
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…
校正幸存者偏差的可解释异质性治疗效应：出院后干预与再入院预防
- 研究问题
- 出院后服务要求患者在接受服务前尚未再入院，这种选择如何夸大干预效果，并使偏差随人群混杂因素而变化？
- 方法与思路
- 作者推导该选择机制产生的虚假效应表达式，并在本身可解释的贝叶斯生存分析框架内控制这一偏差及其他偏差。
- 材料陈述的贡献
- 摘要称，方法量化了出院后评估和管理服务对再入院或死亡的影响，并在研究中发现病例管理服务对总体再入院减少最有作用。
- 阅读关注点
- 应核对干预时间与风险集的定义、虚假效应的推导条件、其他偏差的控制方式，以及异质性治疗效应如何支持干预分配。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明数据、识别假设和效应数值，服务效果结论仅能视为作者的应用报告。
原文摘要
We used survival analysis to quantify the impact of postdischarge evaluation and management (E/M) services in preventing hospital readmission or death. Our approach avoids a specific pitfall of applying machine learning to this problem, which is an inflated estimate of the effect of interventions, due to survivors bias -- where the magnitude of inflation may be conditional on heterogeneous confounders in the population. This bias arises simply because in order to receive an intervention after discharge, a person must not have been readmitted in the intervening period. After deriving an expression for this phantom effect, we controlled for this and other biases within an inherently interpretable Bayesian survival framework. We identified case management services as being the most impactful for reducing readmissions overall.