Quantifying uncertainty of individualized treatment effects in right-censored survival data: A comparison of Bayesian additive regression trees and causal survival forest
右删失生存数据中个体化处理效应的不确定性：BART 与因果生存森林比较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：摘要比较右删失数据中个体化及条件平均处理效应的区间推断，直接属于因果推断。
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…
右删失生存数据中个体化处理效应的不确定性：BART 与因果生存森林比较
- 研究问题
- 在右删失生存数据中，BART 与因果生存森林对个体化或条件平均处理效应给出的区间，能否达到预期覆盖水平？
- 方法与思路
- 作者设计分别贴近 BART、因果生存森林及两者之外的三类模拟场景，比较默认与优化超参数下的效应区间覆盖率。
- 材料陈述的贡献
- 摘要称，BART 在三类模拟场景中表现更好，其可信区间在默认及优化超参数下的覆盖率均优于因果生存森林的置信区间。
- 阅读关注点
- 应核对效应定义、删失与处理分配机制、名义覆盖水平，以及调参方式，并同时查看区间长度与不同协变量区域的覆盖表现。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核验。摘要未给出覆盖率数值和完整模拟条件，结果不能直接推广到所有生存数据。
原文摘要
Estimation of individualized treatment effects (ITE), also known as conditional average treatment effects (CATE), is an active area of methodology development. However, much less attention has been paid to the quantification of uncertainty of ITE/CATE estimates in right-censored survival data. Here we undertake an extensive simulation study to examine the coverage of interval estimates from two popular estimation algorithms, Bayesian additive regression trees (BART) and causal survival forest (CSF). We conducted simulation designs from 3 different settings: first, in a setting where BART was developed for an accelerated failure time model; second, where CSF was developed; and finally, a ``neutral'' simulation taken from a setting where neither BART nor CSF was developed. BART outperformed CSF in all three simulation settings. Both the BART and CSF algorithms involve multiple hyperparameters, and BART credible intervals had better coverage than the CSF confidence intervals under the default values, as well as under optimized values, of these hyperparameters.