Policy learning under constraint: Maximizing a primary outcome while controlling an adverse event
约束下的政策学习：最大化主要结果并控制不良事件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：摘要围绕观测数据中的条件平均处理效应与个体化治疗政策学习展开，直接对应因果推断领域。
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…
约束下的政策学习：最大化主要结果并控制不良事件
- 研究问题
- 在观测数据支持的个体化治疗决策中，如何利用处理效应异质性改善主要结果，同时限制不良事件发生的概率？
- 方法与思路
- 作者提出 PLUC，在函数凸包上优化强凸拉格朗日准则，交替执行 Frank-Wolfe 优化与针对已访问点的目标化更新。
- 材料陈述的贡献
- 摘要称该方法通过估计条件平均处理效应生成受风险约束的平滑政策，并提供 R 包实现及一系列数值实验。
- 阅读关注点
- 核对主要结果与风险约束的定义、观测数据下的识别条件，以及目标化更新和算法停止规则如何影响约束满足。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未获核实；摘要未说明风险控制是总体还是有限样本保证，也未给出实验数值。
原文摘要
A medical policy aims to support decision-making by mapping patient characteristics to individualized treatment recommendations. Standard approaches typically optimize a single outcome criterion. For example, recommending treatment according to the sign of the Conditional Average Treatment Effect (CATE) maximizes the policy "value" by exploiting treatment effect heterogeneity. This point of view shifts policy learning towards the challenge of learning a reliable CATE estimator. However, in multi-outcome settings, such strategies ignore the risk of adverse events, despite their relevance. PLUC (Policy Learning Under Constraint) addresses this challenges by learning an estimator of the CATE that yields smoothed policies controlling the probability of an adverse event in observational settings. Inspired by insights from EP-learning, PLUC involves the optimization of strongly convex Lagrangian criteria over a convex hull of functions. Its alternating procedure iteratively applies the Frank-Wolfe algorithm to minimize the current criterion, then performs a targeting step that updates the criterion so that its evaluations at previously visited landmarks become targeted estimators of the corresponding theoretical quantities. An R package PLUC-R provides a practical implementation. We illustrate PLUC's performance through a series of numerical experiments.