×
吕敏;萨迪克，萨阿德;丹尼尔·费斯特（Daniel J.Feaster）。;赫曼特·伊斯瓦兰

使用随机森林方法估计观测数据中的个体治疗效果。 （英语） Zbl 07498979号

J.计算。图表。斯达。 27209-219（2018）第1期.
小结：由于混淆和选择偏差的挑战，观察性数据中个体治疗效果的估计很复杂。解决这一问题的一个有用的推理框架是反事实（潜在结果）模型，该模型采取假设性的立场，即假设一个人收到了什么二者都治疗。利用反事实框架中的随机森林（RF），我们通过直接建模反应来评估个体治疗效果。我们发现，即使在复杂的非均质环境中，也可以准确估计个体治疗效果，但射频方法的类型对准确性起着重要作用。设计为适应混杂的方法，当与样本外估计并行使用时，效果最好。一种特别有前途的方法是反事实合成林。我们通过将这种新方法应用于一项大型的比较有效性试验，即Project-Aware，来说明药物使用在性风险中所起的作用。分析揭示了危险行为、吸毒和性风险之间的重要联系。本文的补充材料可在网上获得。

引用于10文件

MSC公司：

62至XX 统计

关键词：

反事实模型;个体治疗效应;倾向得分;人工林;治疗异质性

软件：

贝叶斯树;随机生存森林;BartPy公司;随机ForestSRC
PDF格式BibTeX公司 XML格式引用
\textit{M.Lu}等人，J.Compute。图表。Stat.27，No.1，209--219（2018；Zbl 07498979）
全文： DOI程序 链接

参考文献：

[1] Breiman，L.，《袋外估算》（1996）
[2] ---《随机森林，机器学习》，45，5-32（2001）·Zbl 1007.68152号
[3] Chipman，H。；McCulloch，R.，贝叶斯树：贝叶斯加性回归树，R包版本0.3-1.4（2016）
[4] Chipman，H.A。；E.I.乔治。；McCulloch，R.E.，BART：贝叶斯加性回归树，《应用统计年鉴》，4266-298（2010）·Zbl 1189.62066号
[5] Dasgupta，A。；Szymczak，S。；摩尔，J.H。；Bailey-Wilson，J.E。；Malley，J.D.，使用概率机器进行风险评估，生物数据挖掘，7，1（2014）
[6] 福斯特，J.C。；泰勒，J.M。；Ruberg，S.J.，《从随机临床试验数据中识别亚组》，《医学统计学》，第30期，第2867-2880页（2011年）
[7] Ghosh，D。；朱，Y。；Coffman，D.L.，《潜在结果框架中变量选择的惩罚回归程序》，《医学统计学》，341645-1658（2015）
[8] 埃尔南德斯，D。；Feaster，D.J。；古登，L。；Douaihy，A。；曼德勒，R。；埃里克森，S.J。；Kyle，T。；Haynes，L。；施瓦茨，R。；Das，M.，药物滥用治疗患者中自我报告的HIV和HCV筛查率和Serostatus，艾滋病与行为，20204-214（2016）
[9] Hill，J.L.，因果推断的贝叶斯非参数建模，计算与图形统计学杂志，20217-240（2011）
[10] Hirano，K。；Imbens，G.W。；Ridder，G.，使用估计倾向得分有效估计平均治疗效果，计量经济学，71，1161-1189（2003）·Zbl 1152.62328号
[11] Ishwaran，H。；Kogalur，U.，《生存、回归和分类的随机森林》（RF-SRC），R包2.2.0版（2016年）
[12] Ishwaran，H。；Kogalur，英国。；Blackstone，E.H。；Lauer，M.S.，《随机生存森林》，《应用统计年鉴》，2841-860（2008）·Zbl 1149.62331号
[13] Ishwaran，H。；Malley，J.D.，合成学习机器，生物数据挖掘，7，1（2014）
[14] 拉蒙特，A.E。；里昂，M。；Jaki，T.F。；斯图亚特，E。；Feaster，D。；Ishwaran，H。；塔玛拉特南，K。；Van Horn，M.L.，《随机临床试验中预测个体治疗效果（PITE）的识别》，《医学研究中的统计方法》（2016年）·doi:10.1177/0962280215623981
[15] Lee，B.K。；Lessler，J。；Stuart，E.A.，《使用机器学习改进倾向得分权重》，《医学统计学》，29，337-346（2010）
[16] Lunseford，J.K。；Davidian，M.，《通过倾向得分评估因果治疗效果的分层和加权：比较研究》，《医学统计学》，23，2937-2960（2004）
[17] Metsch，L.R。；Feaster，D.J。；古登，L。；沙克曼，B.R。；Matheson，T。；达斯，M。；戈登，M.R。；Huffaker，S。；Haynes，L.F。；Tross，S.，快速HIV检测降低风险咨询对获得性传播感染风险的影响：AWARE随机临床试验，美国医学协会杂志，3101701-1710（2013）
[18] 内曼，J。；Dabrowska，D。；斯皮德，T.，《概率论在农业实验中的应用》。原则论文。第9节，统计科学，5465-472（1990）·Zbl 0955.01560号
[19] Politis，D.N。；罗曼诺，J.P。；Wolf，M.，《次抽样：统计学中的斯普林格系列》（1999），柏林：斯普林格出版社，柏林·Zbl 0931.62035号
[20] 罗宾斯，J.M。；格陵兰，南部。；Hu，F.-C.，时间间隔暴露对重复二元结果边际平均值的因果影响估计，美国统计协会杂志，94687-700（1999）·Zbl 1072.62692号
[21] 罗森鲍姆，P.R。；Rubin，D.B.，《倾向评分在因果效应观察研究中的中心作用》，生物统计学，70，41-55（1983）·Zbl 0522.62091号
[22] 鲁宾，D.B.，在随机和非随机研究中估计治疗的因果效应，《教育心理学杂志》，66，688（1974）
[23] ---《因果效应的观察研究设计与分析：与随机试验设计的平行性》，《医学统计学》，2007年第26期，第20-36页
[24] 苏，X。；梅内塞斯，K。；麦克内斯，P。；Johnson，W.O.，《交互树：探索乳腺癌幸存者干预计划的差异效应》，《皇家统计学会杂志》，60，457-474（2011）
[25] 苏，X。；蔡，C.-L。；Wang，H。；Nickerson，D.M。；Li，B.，通过递归分区进行子群分析，机器学习研究杂志，10，141-158（2009）
[26] 唐，F。；Ishwaran，H.，《随机森林缺失数据算法、统计分析和数据挖掘》（2017）·Zbl 07260721号
[27] 特里科奇，P。；艾伦，J.M。；Kramer，J.M。；加州R.M。；Smith，S.C.，《ACC/AHA临床实践指南背后的科学证据》，美国医学会杂志，301，831-841（2009）
[28] Wager，S。；Athey，S.，《使用随机森林对异质性处理效果的估计和推断》，美国统计协会杂志（2017年）
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。