A Comprehensive Framework for the Evaluation of Individual Treatment Rules From Observational Data
基于观察数据评估个体化治疗规则的综合框架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：摘要明确从观察数据评估治疗规则的影响，并指出因果推断与潜在实施状态带来的识别问题，直接支持因果推断分类。
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…
基于观察数据评估个体化治疗规则的综合框架
- 研究问题
- 如何用观察数据评估个体化治疗规则，尤其是在规则尚未实施，或仅由部分身份未知的患者实施时，分别界定和估计其影响？
- 方法与思路
- 作者建立概率模型，区分未实施与部分实施两种情形；前者探索不同实施方案，后者把实施状态作为潜变量并使用EM算法估计。
- 材料陈述的贡献
- 摘要称提供了两类规则评估程序，模拟中估计量表现近似无偏且置信区间达到名义覆盖率，并用于急性肾损伤患者的透析启动规则。
- 阅读关注点
- 应核对规则效果与实施效果的目标区别、潜在实施状态的识别条件、EM算法的稳定性，以及模拟覆盖率和临床应用的假设依据。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收。摘要未列出混杂控制和潜变量识别条件，模拟表现不能直接保证临床规则有效。
原文摘要
Individualized treatment rules (ITRs) are deterministic decision rules that recommend treatments to individuals based on their characteristics. Though ubiquitous in medicine, ITRs are hardly ever evaluated in randomized controlled trials. To evaluate ITRs from observational data, we introduce a new probabilistic model and distinguish two situations: i) the situation of a newly developed ITR, where data are from a population where no patient implements the ITR, and ii) the situation of a partially implemented ITR, where data are from a population where the ITR is implemented in some unidentified patients. In the former situation, we propose a procedure to explore the impact of an ITR under various implementation schemes. In the latter situation, on top of the fundamental problem of causal inference, we need to handle an additional latent variable denoting implementation. To evaluate ITRs in this situation, we propose an estimation procedure that relies on an expectation-maximization algorithm. In Monte Carlo simulations our estimators appear unbiased with confidence intervals achieving nominal coverage. We illustrate our approach on the MIMIC-III database, focusing on ITRs for dialysis initiation in patients with acute kidney injury.