グループLASSOを用いたブートストラップMARSの拡張による異種治療効果推定

科学分野:

• 医療データサイエンス
• 生物統計学
• 計算生物学

背景:

• 患者調査や医療記録からの実世界のデータ（RWD）は、医療データサイエンスにおいて重要です。
• HTEをRWDから推定することは、プレシジョン・メディシンを進歩させ、患者サブグループに合わせた治療を調整するために不可欠です。
• バギング因果多変量適応回帰スプライン（BCM）などの既存の方法は有効性を示していますが、改善の余地があります。

研究 の 目的:

• 新しい治療効果モデルであるシュリンケージ因果ブートストラップMARS法を導入すること。
• 実世界のデータ（RWD）を使用して、異種治療効果（HTE）の推定を強化すること。
• 観察研究における既存の因果推論モデルのパフォーマンスを改善すること。

主な方法:

• 提案された方法は、基底関数推定のために変換されたアウトカムブートストラップサンプリングMARSを利用します。
• モデルの最適化とパラメータ推定は、グループ最小絶対シュリンケージおよび選択演算子（LASSO）法を使用して実行されます。
• このアプローチは、多変量適応回帰スプライン（MARS）のフレームワークに基づいています。

主要な成果:

• シミュレーションは、シュリンケージ因果ブートストラップMARS法が既存の方法と比較して改善された平均二乗誤差とバイアスを達成することを示しています。
• 新しい方法は、シミュレーションシナリオの大多数で強化されたパフォーマンスを示します。
• ACTG 175データセットを使用して、実用的な適用可能性が検証されました。

結論:

• シュリンケージ因果ブートストラップMARS法は、観察研究におけるHTE推定のための洗練されたアプローチを提供します。
• この方法は、より正確で個別化された治療決定を可能にすることにより、プレシジョン・メディシンの改善に大きな可能性を秘めています。
• この調査結果は、臨床研究における実世界のデータを分析するための貴重な新しいツールを示唆しています。