Ranking of average treatment effects with generalized random forests for time-to-event outcomes
利用广义随机森林排序事件时间结果的平均处理效应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：摘要直接估计有混杂、删失和竞争风险的平均处理效应，并采用针对因果参数的森林方法。
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…
利用广义随机森林排序事件时间结果的平均处理效应
- 研究问题
- 存在竞争风险、右删失和处理混杂时，如何估计事件时间结果的平均处理效应，并据此排列多个候选处理？
- 方法与思路
- 作者先以逆概率加权构造时间点特定的结果，再输入以因果参数为目标分裂的广义随机森林，区分粗概率与净概率效应。
- 材料陈述的贡献
- 摘要称，该两步方法可用于按效应大小搜索和排序处理，并应用于丹麦健康登记数据，寻找可能降低重度抑郁复发的药物。
- 阅读关注点
- 应核对粗概率与净概率效应的定义、混杂和删失的识别条件，以及森林估计后进行处理排序所需的不确定性控制。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列明识别假设、排序可靠性或药物结果，不能据此确认保护作用。
原文摘要
In this paper we present a data-adaptive estimation procedure for estimation of average treatment effects in a time-to-event setting based on generalized random forests. In these kinds of settings, the definition of causal effect parameters are complicated by competing risks; here we distinguish between treatment effects on the crude and the net probabilities, respectively. To handle right-censoring, and to switch between crude and net probabilities, we propose a two-step procedure for estimation, applying inverse probability weighting to construct time-point specific weighted outcomes as input for the forest. The forest adaptively handles confounding of the treatment assigned by applying a splitting rule that targets a causal parameter. We demonstrate that our method is effective for a causal search through a list of treatments to be ranked according to the magnitude of their effect. We further apply our method to a dataset from the Danish health registries where it is of interest to discover drugs with an unexpected protective effect against relapse of severe depression.