Concordance-Assisted Learning for Estimating Optimal Individualized Treatment Regimes
用于估计最优个体化治疗规则的一致性辅助学习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：摘要直接研究个体化治疗分配规则及其价值函数，属于治疗决策相关的因果推断方向。
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
用于估计最优个体化治疗规则的一致性辅助学习
- 研究问题
- 研究如何估计最优个体化治疗规则，将决定治疗排序的处方指数与决定具体分配的阈值分开估计，并以价值函数选择阈值。
- 方法与思路
- 作者提出治疗一致性函数，以稳健秩回归估计处方指数，再优化阈值；另用诱导平滑估计渐近方差，并构造双重稳健估计量。
- 材料陈述的贡献
- 摘要称建立了指数参数的收敛率与渐近正态性，以及最优阈值的收敛率和极限分布，并通过模拟与艾滋病数据展示方法。
- 阅读关注点
- 应核对治疗价值的识别条件、一致性函数与价值函数的关系，以及单调指数模型下双重稳健性成立所需的具体条件。
- 阅读边界
- 摘要未说明治疗分配机制、模型条件或模拟数值；指数参数与阈值的极限性质需分别核对，不能据此断言方法普遍最优。
原文摘要
Summary We propose new concordance-assisted learning for estimating optimal individualized treatment regimes. We first introduce a type of concordance function for prescribing treatment and propose a robust rank regression method for estimating the concordance function. We then find treatment regimes, up to a threshold, to maximize the concordance function, named the prescriptive index. Finally, within the class of treatment regimes that maximize the concordance function, we find the optimal threshold to maximize the value function. We establish the rate of convergence and asymptotic normality of the proposed estimator for parameters in the prescriptive index. An induced smoothing method is developed to estimate the asymptotic variance of the estimator. We also establish the n1/3-consistency of the estimated optimal threshold and its limiting distribution. In addition, a doubly robust estimator of parameters in the prescriptive index is developed under a class of monotonic index models. The practical use and effectiveness of the methodology proposed are demonstrated by simulation studies and an application to an acquired immune deficiency syndrome data set.