Bayesian Mediation Analysis for Individualized Treatment Rules
个体化治疗规则的贝叶斯中介分析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：摘要通过潜在结果与中介 g 公式研究治疗规则收益的因果路径分解。
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…
个体化治疗规则的贝叶斯中介分析
- 研究问题
- 预设个体化治疗规则相对临床参考规则的平均收益，如何分解为直接作用和通过指定中介产生的作用，以解释获益机制？
- 方法与思路
- 作者用规则特定的嵌套潜在结果定义直接与间接规则效应，以中介 g 公式识别，并改造贝叶斯因果中介森林估计。
- 材料陈述的贡献
- 摘要称该框架为治疗规则提供机制解释；模拟展示接近名义水平的可信区间覆盖，并以生活方式干预试验说明应用。
- 阅读关注点
- 应核对自然直接与间接效应的识别条件、候选规则和参考规则的预设方式，以及多个候选中介如何分别解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未展开中介识别条件，机制解释的可信度仍取决于这些条件。
原文摘要
The value of an individualized treatment rule (ITR), defined as the expected outcome under treatment assignment according to the rule, is useful for assessing average clinical benefit but does not explain how the benefit of a rule is generated. We propose a causal mediation framework for decomposing the value contrast between a prespecified candidate ITR and a clinically meaningful reference rule into direct and indirect components. Using rule-specific nested potential outcomes, we define natural direct and indirect rule effects that quantify the extent to which the improvement in value arises through pathways operating directly on the outcome versus through a specified mediator. We give identification conditions under which these components are identified by a rule-level mediation g-formula. For estimation, we adapt Bayesian causal mediation forests to obtain posterior inference for the value contrast and its path-specific components. Our simulations demonstrate that the proposed estimator achieved near-nominal credible interval coverage with decreasing bias and root mean squared error as sample size increased in settings with varying direct and mediated contributions. We further illustrate the method using data from the TRIUMPH trial, decomposing the cognitive benefit of a lifestyle intervention rule through candidate neurovascular, cardiorespiratory, and behavioral mediators. The proposed framework complements optimal ITR learning with explanation using mediation, providing a natural approach for mechanistic evaluation of ITRs.