Safe Individualized Treatment Rules with Controllable Harm Rates
可控制伤害率的安全个体化处理规则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。
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：摘要直接以潜在结果、个体化处理规则及伤害率的部分识别为研究核心。
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…
可控制伤害率的安全个体化处理规则
- 研究问题
- 如何设计在提高预期收益的同时限制个体伤害比例的处理规则，尤其是在伤害率依赖潜在结果联合分布而难以识别时？
- 方法与思路
- 作者先推导理想处理规则，再针对伤害率一般不可识别的问题，提出两种基于部分识别、带伤害率约束的规则估计策略。
- 材料陈述的贡献
- 摘要称建立所提策略的大样本性质，并通过模拟及两个真实数据应用考察伤害率控制和相对历史干预的潜在改善。
- 阅读关注点
- 应核对伤害的定义、部分识别界与约束实施方式，以及所控制的是何种伤害率和估计误差下的约束有效性。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实；摘要未说明识别及正则条件，也未给出伤害率界或应用中的数值改善。
原文摘要
Estimating individualized treatment rules (ITRs) is crucial for tailoring interventions in precision medicine. Typical ITR estimation methods rely on conditional average treatment effects (CATEs) to guide treatment assignments. However, such methods overlook individual-level harm within covariate-specific subpopulations, potentially leading many individuals to experience worse outcomes under CATE-based ITRs. In this article, we aim to estimate ITRs that maximize the reward while ensuring that the harm rate induced by the ITR remains below a pre-specified threshold. We first derive the explicit form of the oracle ITR. However, the oracle ITR is not achievable without strong assumptions, as the harm rate is generally unidentifiable due to its dependence on the joint distribution of potential outcomes. To address this, we propose two strategies for estimating ITRs with a harm rate constraint under partial identification and establish their large-sample properties. By accounting for both reward and harm, our method provides a reliable solution for developing ITRs in high-stakes domains where harm is a critical consideration. Extensive simulations demonstrate the effectiveness of the proposed methods in controlling harm rates. We apply the proposed method to analyze two real-world datasets from a new perspective, assessing the potential reduction in harm rate compared with historical interventions.