×
詹妮弗·斯塔琳（Jennifer E.Starling）。;贾里德·穆雷（Jared S.Murray）。;帕特里夏·洛尔（Patricia A.Lohr）。;阿比盖尔·艾肯（Abigail R.A.Aiken）。;Carvalho，Carlos M。;詹姆斯·G·斯科特。

目标平滑贝叶斯因果森林：妊娠期同时与间隔药物流产方案的异质治疗效果分析。 （英语） Zbl 1478.62344号

附录申请。斯达。 1194-1219（2021）第3期第15页.
摘要：我们引入了目标平滑贝叶斯因果森林（tsBCF），这是一种非参数贝叶斯方法，用于估计异质治疗效应，这些效应在观测数据设置中的单个协变量上平滑变化。tsBCF方法通过使用平滑函数对终端树节点进行参数化来诱导平滑，并允许单独正则化治疗效果与控制协变量的预后效果。可以选择用于预测和治疗效果的平滑参数来反映先前的知识或以数据相关的方式进行调整。
我们使用tsBCF来分析一种新的早期药物流产临床方案。我们的目的是评估妊娠前9周同时与间隔服用米非司酮和米索前列醇的相对有效性。我们的分析为如何为寻求早期药物流产的患者提供最佳建议提供了重要的临床见解，在这种情况下，即使了解相对有效性的微小差异，也能为公共卫生带来巨大回报。该模型反映了我们的期望，即治疗效果在妊娠期间平稳变化，但不一定在其他协变量上变化。我们通过基准测试验证了tsBCF方法的性能。tsBCF软件位于https://github.com/jestarling/tsbcf/以及补充材料（Starling（2020））。

引用于2文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62G05型 非参数估计
62H22个 概率图形模型
62H30型 分类和区分；聚类分析（统计方面）
60G15年 高斯过程

关键词：

贝叶斯加性回归树;因果推断;正规化;高斯过程;异质处理效应

软件：

贝叶斯树;tsBCF（tsBCF）;巴蒂;捷运局;github;沙巴特;BART-BMA银行;克里夫纳;负鼠
PDF格式BibTeX公司 XML格式引用
\textit{J.E.Starling}等人，Ann.Appl。Stat.15，No.3，1194--1219（2021；Zbl 1478.62344）
全文： 内政部 arXiv公司

参考文献：

[1] Albert，J.H.和Chib，S.（1993年）。二进制和多光子响应数据的贝叶斯分析。J.Amer。统计师。协会。88 669-679. ·Zbl 0774.62031号
[2] Athey，S.和Wager，S.（2019年）。评估因果林的治疗效果：应用。可从arXiv:1902.07409获取·Zbl 1402.62056号
[3] Cameron，S.、Glasier，A.、Johnston，A.、Dewart，H.和Campbell，A.（2015）。女性能否自行决定提前药物终止妊娠的成功？避孕91 6-11.
[4] Chipman，H.A.、George，E.I.和McCulloch，R.E.（2010年）。BART：贝叶斯加性回归树。附录申请。斯达。4 266-298. ·Zbl 1189.62066号 ·doi:10.1214/09-AOAS285
[5] 克里宁，M.和陈，M.（2016）。药物流产疗效报告：MARE指南。避孕94 97-103.
[6] Gelman，A.（2006年）。层次模型中方差参数的先验分布（Browne和Draper的文章评论）。贝叶斯分析。1 515-533. ·Zbl 1331.62139号 ·doi:10.1214/06-BA117A
[7] Goel，A.、Mittal，S.、Taneja，B.K.、Singal，N.和Attri，S.（2011年）。同时服用米非司酮和米索前列醇提前终止妊娠：一项随机对照试验283 1409·doi:10.1007/s00404-011-1881-2
[8] Gramacy，R.B.和Lee，H.K.H.（2008年）。贝叶斯树高斯过程模型及其在计算机建模中的应用。J.Amer。统计师。协会。103 1119-1130. ·Zbl 1205.62218号 ·doi:10.1198/0162145000000689
[9] Hahn，P.R.、Murray，J.S.和Carvalho，C.M.（2020年）。因果推断的贝叶斯回归树模型：正则化、混淆和异质效应（附讨论）。贝叶斯分析。15 965-1056. ·Zbl 1475.62102号 ·doi:10.1214/19-BA1195
[10] Hahn，P.R.、Carvalho，C.M.、Puelz，D.和He，J.（2018年）。用于治疗效果评估的线性回归中的正则化和混淆。贝叶斯分析。13 163-182. ·Zbl 06873722号 ·doi:10.1214/16-BA1044
[11] Heffer，G.（2020年）。冠状病毒：政府在新冠肺炎危机期间放松堕胎规定。天空新闻.
[12] Hernández，B.、Raftery，A.E.、Pennington，S.R.和Parnell，A.C.（2018年）。使用贝叶斯模型平均的贝叶斯加性回归树。统计计算。28 869-890. ·Zbl 1386.68131号 ·doi:10.1007/s11222-017-9767-1
[13] Hill，J.L.（2011）。因果推理的贝叶斯非参数建模。J.计算。图表。统计师。20 217-240. ·doi:10.1198/jcgs.2010.08162
[14] Imbens，G.和Rubin，D.（2015）。统计、社会和生物医学科学中的因果推理。剑桥大学出版社. ·Zbl 1355.6202号
[15] Li，Y.-T.，Chen，F.-M.，Cheng，T.-H.，Li，S.-C.，Chem，M.-L.和Kuo，T.-C.（2006）。米非司酮和米索前列醇同时用于早期药物流产45 325-328·doi:10.1016/S1028-4559（09）60252-7
[16] Linero，A.R.（2018）。用于高维预测和变量选择的贝叶斯回归树。J.Amer。统计师。协会。113 626-636. ·Zbl 1398.62065号 ·doi:10.1080/01621459.2016.1264957
[17] Linero，A.R.和Yang，Y.（2018年）。适应平滑性和稀疏性的贝叶斯回归树集合。J.R.统计社会服务。B.统计方法。80 1087-1110. ·Zbl 1407.62138号 ·doi:10.1111/rssb.12293
[18] Logan，B.R.、Sparapani，R.、McCulloch，R.E.和Laud，P.W.（2017）。基于贝叶斯加性回归树的子群发现。统计方法医学研究。0 1-15.
[19] Lohr，P.A.、Starling，J.E.、Scott，J.G.和Aiken，A.R.A.（2018年）。与限制家庭使用的传统药物流产方案同时进行比较。障碍物。妇科。.
[20] McFadden，D.（1974）。定性选择行为的条件逻辑分析。在计量经济学的前沿（P.Zarembka编辑）105-142。圣地亚哥学术出版社。
[21] Murray，J.S.（2017）。分类和计数响应的对数线性贝叶斯加性回归树。预印本。arXiv:1701.01503提供。
[22] 皇家妇产科学院（2011年）。要求人工流产的妇女的护理RCOG，英国伦敦。
[23] Pratola，M.T.、Chipman，H.A.、Gattiker，J.R.、Higdon，D.M.、McCulloch，R.和Rust，W.N.（2014）。并行贝叶斯加性回归树。J.计算。图表。统计师。23 830-852. ·doi:10.1080/10618600.2013.841584
[24] Rosenbaum，P.R.和Rubin，D.B.（1983年）。倾向评分在因果效应观察性研究中的中心作用。生物特征70 41-55. ·Zbl 0522.62091号
[25] Sivaganesan，S.、Müller，P.和Huang，B.（2017年）。基于贝叶斯加性回归树的子群发现。统计医学。36 2391-2403. ·doi:10.1002/sim.7276
[26] Sparapani，R.A.、Logan，B.R.、McCulloch，R.E.和Laud，P.W.（2016）。使用贝叶斯加性回归树（BART）进行非参数生存分析。统计医学。35 2741-2753. ·doi:10.1002/sim.6893
[27] Starling，J.（2020年）。tsbcf：目标平滑贝叶斯因果森林。R包版本1.1.0。
[28] Starling，J.E.、Murray，J.S.、Carvalho，C.M.、Bukowski，R.K.和Scott，J.G.（2020年）。有针对性平滑的BART：患者特定死产风险分析。附录申请。斯达。14 28-50. ·Zbl 1439.62228号 ·doi:10.1214/19-AOAS1268
[29] Starling，J.E、Murray，J.S、Lohr，P.A、Aiken，A.R、Carvalho，C.M和Scott，J.G（2021）。补充“目标平滑贝叶斯因果森林：妊娠期同时与间隔药物流产方案的异质治疗效果分析”https://doi.org/10.1214/20-AOAS1438SUPP网站
[30] Tibshirani，R.、Athey，S.、Friedberg，R.，Hadad，V.、Miner，L.、Wager，S.和Wright，M.（2018年）。grf：广义随机森林。可在https://github.com/grf-labs/grf。R包版本1.2.0。
[31] Wager，S.和Athey，S.（2018年）。使用随机森林评估和推断异质处理效果。J.Amer。统计师。协会。113 1228-1242. ·Zbl 1402.62056号 ·doi:10.1080/01621459.2017.1319839
[32] Woody，S.、Carvalho，C.和Murray，J.（2019年）。通过低维后验总结进行模型解释。预打印。可从arXiv:1905.07103v3[stat.ME]获取
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。