在随机试验中,在半监督设置下对最佳治疗方案的平滑估计
Xiaoqi Jiao1, Mengjiao Peng1, Yong Zhou1
1Key Laboratory of Advanced Theory and Application in Statistics and Data Science-MOE, School of Statistics, Academy of Statistics and Interdisciplinary Sciences, East China Normal University, Shanghai, China.
这项研究引入了一种新的半监督框架,以优化使用未标记数据的治疗方案. 该方法提高了准确性,并减少了个性化医学的计算负载.
科学领域:
- 生物统计学 生物统计学
- 医疗保健中的机器学习
- 个性化医疗是个性化的医疗.
背景情况:
- 最佳的治疗方案对于个性化医疗至关重要,但通常依赖于有限的标记数据.
- 现有的治疗方案的半监督方法面临着模型假设和高计算成本的挑战.
- 在医疗保健中大量存在的未标记数据,为改善治疗方案估计提供了有价值的信息.
研究的目的:
- 为估计最佳治疗方案提出一个无模型的半监督框架.
- 利用大量未标记的数据来提高治疗方案的估计.
- 解决现有方法在模型假设和计算负担方面的局限性.
主要方法:
- 使用单一指数模型进行尺寸缩小.
- 在未标记的数据中归算缺失的结果,通过内核回归.
- 开发含有标记和未标记数据的半监督值函数.
- 通过最大化半监督值函数来推导最佳处理方案.
主要成果:
- 拟议的框架证明了估计器的一致性和非对称的正常性.
- 引入了一个扰乱重抽样程序来估计非对称差异.
- 模拟证实了将未标记的数据纳入最佳治疗方案估计的好处.
结论:
- 新的半监督框架有效地利用未标记的数据进行最佳治疗方案估计.
- 该方法为现有方法提供了一个计算效率高且无模型的替代方案.
- 该方法适用于随机试验和观察性研究.
更多相关视频
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Regression Toward the Mean
Randomized Experiments
Simple randomization
Simple...
Comparing the Survival Analysis of Two or More Groups
Kaplan-Meier Approach
Blinding
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
