Cumulative Treatment Effect Testing under Continuous Time Reinforcement Learning
连续时间强化学习下的累积治疗效应检验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：摘要以平均治疗效应及治疗的即时和延续影响为核心推断目标。
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…
关注这篇论文的作者
连续时间强化学习下的累积治疗效应检验
- 研究问题
- 面对不规则、多分辨率观测，如何检验治疗随时间累积的即时与延续效应，并识别持续时间较短的治疗影响？
- 方法与思路
- 作者在连续时间强化学习框架中，将平均治疗效应定义为无限期价值函数之差，通过连续时间价值估计构造检验统计量。
- 材料陈述的贡献
- 摘要称，所提统计量具有渐近正态性，在相关观测设置下优于离散时间检验，并应用于糖尿病数据中的追加胰岛素累积效应。
- 阅读关注点
- 应核对无限期价值函数的定义、治疗策略和效应识别条件、观测时间机制，以及连续与离散方法比较时采用的共同目标。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实。摘要未说明渐近正态性的具体条件、改进幅度或临床应用中的混杂处理细节。
原文摘要
Understanding the impact of treatment effect over time is a fundamental aspect of many scientific and medical studies. In this paper, we introduce a novel approach under a continuous-time reinforcement learning framework for testing a treatment effect. Specifically, our method provides an effective test on carryover effects of treatment over time utilizing the average treatment effect (ATE). The average treatment effect is defined as difference of value functions over an infinite horizon, which accounts for cumulative treatment effects, both immediate and carryover. The proposed method outperforms existing testing procedures such as discrete time reinforcement learning strategies in multi-resolution observation settings where observation times can be irregular. Another advantage of the proposed method is that it can capture treatment effects of a shorter duration and provide greater accuracy compared to discrete-time approximations, through the use of continuous-time estimation for the value function. We establish the asymptotic normality of the proposed test statistics and apply it to OhioT1DM diabetes data to evaluate the cumulative treatment effects of bolus insulin on patients' glucose levels.