×
Huang，信阳；徐，金

在风险约束下估计个体化治疗规则。 （英语） Zbl 1520.62228号

生物计量学 76，第4期，1310-1318（2020）.
总结：个体化治疗规则（ITR）建议根据患者的具体特征进行治疗，以最大限度地提高预期临床结果。同时，各种不良事件所带来的风险不容忽视。在这篇文章中，我们提出了一种方法来估计最佳ITR，该ITR能使临床效益最大化，同时将总体风险控制在期望的水平。我们的方法适用于多类别治疗的一般设置。该方法利用两个移位斜坡损失分别逼近目标函数和约束中的0-1损失，并将估计问题转化为凸函数差分（DC）规划问题。采用松弛DC算法求解非凸约束优化问题。使用仿真和实际数据示例来证明所提出方法的有限样本性能。
{©2020国际生物识别学会}

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

关键词：

DC编程；个体化治疗规则；多类别分类；结果加权学习；个性化医疗；风险约束
PDF格式BibTeX公司 XML格式引用
\textit{X.Huang}和\textit{J.Xu}，生物计量学76，第4期，1310--1318（2020；Zbl 1520.62228）
全文： 内政部

参考文献：

[1] Champion，V.L.和Huster，G.（1995）干预措施对乳房X光检查采用阶段的影响。行为医学杂志，18，169-187。
[2] Chen，J.、Fu，H.、He，X.、Kosorok，M.R.和Liu，Y.（2018）《序贯治疗的个体化治疗规则评估》。生物统计学，74924-933·Zbl 1414.62436号
[3] Goldberg，Y.、Song，R.和Kosorok，M.R.（2013）自适应Q‐learning。数理统计研究所收藏，9150-162·Zbl 1325.62073号
[4] Hendrick，R.E.、Baker，J.A.和Helvie，M.A.（2019年）30多年来避免了乳腺癌死亡。癌症，1251482-1488。
[5] Laber，E.B.、Lizotte，D.J.和Ferguson，B.（2014）为竞争结果设定价值的动态治疗方案。生物统计学，70，53-61·Zbl 1419.62382号
[6] Laber，E.B.和Zhao，Y.（2015）个体化治疗方案的基于树的方法。生物统计学，102，1-14·兹比尔1452.62821
[7] Le Thi，H.A.、Huynh，V.N.和Dinh，T.P.（2014）DC编程和一般DC程序的DCA。收录人：van Do，T.（编辑）、Thi，H.（编纂）和Nguyen，N.（编辑），（编辑）《知识工程的高级计算方法》，查姆：斯普林格出版社，第15-35页·Zbl 1322.90072号
[8] Lee，J.、Thall，P.F.、Ji，Y.和Muller，P.（2015）基于疗效和毒性联合效用的两个治疗周期的贝叶斯剂量发现。美国统计协会杂志，110，711-722·Zbl 1373.62547号
[9] Lipp，T.和Boyd，S.（2016）凸凹过程的变化和扩展。优化与工程，17，263-287·Zbl 1364.90260号
[10] Liu，Y.、Wang，Y.、Kosorok，M.、Zhao，Y.和Zeng，D.（2018）用于估计最佳动态治疗方案的增强结果加权学习。医学统计学，37，3776-3788。
[11] Lizotte，D.J.、Bowling，M.和Murphy，S.A.（2012）具有多个奖励函数的线性拟合-Q迭代。机器学习研究杂志，12，3253-3295·Zbl 1433.68362号
[12] Lou，Z.、Shao，J.和Yu，M.（2018）通过多重治疗实现预期结果最大化的最佳治疗分配。生物统计学，74506-516·Zbl 1415.62118号
[13] Lu，W.，Zhang，H.和Zeng，D.（2013）最优治疗决策的变量选择。医学研究中的统计方法，22493-504。
[14] Murphy，S.A.（2003）最佳动态治疗方案。英国皇家统计学会杂志。B系列，65，331-366·Zbl 1065.62006号
[15] Qian，M.和Murphy，S.A.（2011）个体化治疗规则的性能保证。统计年鉴，39，1180-1210·Zbl 1216.62178号
[16] 邱，X.，曾，D.和王，Y.（2018）评估和评价线性个体化治疗规则以确保绩效。生物统计学，74517-528·Zbl 1415.62127号
[17] Shi，C.，Fan，A.，Song，R.和Lu，W.（2018）优化动态治疗方案的高维A学习。《统计年鉴》，46925-957·Zbl 1398.62029号
[18] Tao，P.D.和An，L.T.H.（1998）求解信赖域子问题的DC优化算法。SIAM优化杂志，8476-505·Zbl 0913.65054号
[19] Thall，P.F.、Nguyen，H.Q.和Estey，E.H.（2008）基于双变量结果和协变量的患者特定剂量发现。生物统计学，641126-1136·Zbl 1151.62092号
[20] Tibshirani，R.（1996）通过套索进行回归收缩和选择。英国皇家统计学会杂志。B系列，58，267-288·Zbl 0850.62538号
[21] Wang，Y.，Fu，H.和Zeng，D.（2018）学习考虑益处和风险的最佳个性化治疗规则：应用胰岛素治疗2型糖尿病患者。美国统计协会杂志，113，1-13·Zbl 1398.62349号
[22] Wu，Y.和刘，Y.（2007）鲁棒截断铰链损失支持向量机。美国统计协会杂志，102974-983·Zbl 1469.62293号
[23] Xu，Y.、Yu，M.、Zhao，Y.，Li，Q.、Wang，S.和ShaoJ。（2015）针对不同治疗效果的常规结果加权亚组识别。生物计量学，71645-653·Zbl 1419.62483号
[24] Zhang，B.、Tsiatis，A.A.、Laber，E.B.和Davidian，M.（2012），估算最佳治疗方案的稳健方法。生物统计学，681010-1018·Zbl 1258.62116号
[25] Zhao，Y.Q.，Zeng，D.，Rush，A.J.和Kosorok，M.R.（2012）使用结果加权学习估计个体化治疗规则。美国统计协会杂志，107，1106-1118·Zbl 1443.62396号
[26] Zhou，X.、Mayer‐Hamblett，N.、Khan，U.和Kosorok，M.R.（2017）估计个体化治疗规则的剩余加权学习。美国统计协会杂志，112169-187。
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。