Optimal Individualized Decision Rules Using Instrumental Variable Methods
利用工具变量方法构建最优个体化决策规则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：摘要明确使用工具变量处理未测量混杂，并估计个体化干预规则的因果效应。
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…
利用工具变量方法构建最优个体化决策规则
- 研究问题
- 存在未测量混杂但拥有有效二元工具变量时，如何制定最优个体化治疗或鼓励规则，并在治疗资源有限时分配干预？
- 方法与思路
- 作者分别研究直接治疗与鼓励治疗的决策，纳入资源约束，并以相对预设参考规则的平均因果效应评价所估计的最优规则。
- 材料陈述的贡献
- 摘要称，论文提出最优个体化规则的估计方法，并构造其相对参考规则平均因果效应的渐近有效插入式估计量。
- 阅读关注点
- 应核对工具变量有效性的具体要求、治疗与鼓励规则分别针对的目标人群，以及资源约束和规则估计误差如何影响推断。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未完整说明识别假设、效应适用人群及效率界条件，不能仅凭二元工具变量确认识别。
原文摘要
There is an extensive literature on the estimation and evaluation of optimal individualized treatment rules in settings where all confounders of the effect of treatment on outcome are observed. We study the development of individualized decision rules in settings where some of these confounders may not have been measured but a valid binary instrument is available for a binary treatment. We first consider individualized treatment rules, which will naturally be most interesting in settings where it is feasible to intervene directly on treatment. We then consider a setting where intervening on treatment is infeasible, but intervening to encourage treatment is feasible. In both of these settings, we also handle the case that the treatment is a limited resource so that optimal interventions focus the available resources on those individuals who will benefit most from treatment. Given a reference rule, we evaluate an optimal individualized rule by its average causal effect relative to a prespecified reference rule. We develop methods to estimate optimal individualized rules and construct asymptotically efficient plug-in estimators of the corresponding average causal effect relative to a prespecified reference rule.