Evaluating Treatment Prioritization Rules via Rank-Weighted Average Treatment Effects
利用排序加权平均处理效应评价处理优先规则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：摘要直接讨论处理效应、处理优先规则及随机和观察研究中的因果评价。
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…
利用排序加权平均处理效应评价处理优先规则
- 研究问题
- 对于由处理效应估计、风险评分或人工规则形成的优先顺序，如何统一评价并检验其识别最大处理受益者的能力？
- 方法与思路
- 作者提出排序加权平均处理效应指标族及相应估计量，不依赖规则的生成方式，并以中心极限定理支持随机与观察研究中的推断。
- 材料陈述的贡献
- 摘要称，该指标族涵盖 Qini 系数等已有指标，提供相应渐近推断方法，并以卒中患者阿司匹林定向处理等应用展示用途。
- 阅读关注点
- 应核对排序权重的解释、规则学习与评价数据的使用方式、观察研究所需识别条件，以及不同指标检验的目标差异。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未展开观察研究识别条件，指标评价也不能直接保证具体医疗决策有效。
原文摘要
There are a number of available methods for selecting whom to prioritize for treatment, including ones based on treatment effect estimation, risk scoring, and hand-crafted rules. We propose rank-weighted average treatment effect (RATE) metrics as a simple and general family of metrics for comparing and testing the quality of treatment prioritization rules. RATE metrics are agnostic as to how the prioritization rules were derived, and only assess how well they identify individuals that benefit the most from treatment. We define a family of RATE estimators and prove a central limit theorem that enables asymptotically exact inference in a wide variety of randomized and observational study settings. RATE metrics subsume a number of existing metrics, including the Qini coefficient, and our analysis directly yields inference methods for these metrics. We showcase RATE in the context of a number of applications, including optimal targeting of aspirin to stroke patients.