Statistical inference for the mean outcome under a possibly non-unique optimal treatment strategy
可能非唯一最优治疗策略下平均结局的统计推断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：摘要研究个体化治疗策略及其总体平均结局，直接涉及治疗规则与政策价值推断。
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…
可能非唯一最优治疗策略下平均结局的统计推断
- 研究问题
- 当依赖基线协变量的最优个体化治疗规则可能不唯一时，如何估计其最大总体平均结局，并构造有效的置信区间？
- 方法与思路
- 作者给出最优值路径可微的充要条件，并提出不可微时构造根号样本量速率置信区间的方法，同时讨论多时间点扩展。
- 材料陈述的贡献
- 摘要称可微条件略一般于既有条件，并给出估计量正则渐近线性及渐近有效的条件；相关理论结果由模拟支持。
- 阅读关注点
- 阅读全文时应核对最优值的识别条件、非唯一性与路径可微性的关系，以及不可微时置信区间成立的条件和估计构造。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，具体识别与正则条件、区间构造和模拟结果未说明，不能声称不可微时仍具有常规效率。
原文摘要
We consider challenges that arise in the estimation of the mean outcome under an optimal individualized treatment strategy defined as the treatment rule that maximizes the population mean outcome, where the candidate treatment rules are restricted to depend on baseline covariates. We prove a necessary and sufficient condition for the pathwise differentiability of the optimal value, a key condition needed to develop a regular and asymptotically linear (RAL) estimator of the optimal value. The stated condition is slightly more general than the previous condition implied in the literature. We then describe an approach to obtain root-$n$ rate confidence intervals for the optimal value even when the parameter is not pathwise differentiable. We provide conditions under which our estimator is RAL and asymptotically efficient when the mean outcome is pathwise differentiable. We also outline an extension of our approach to a multiple time point problem. All of our results are supported by simulations.