https://zbmath.org/atom/cc/92B15 2024-04-15T15:10:58.286558Z Werkzeug公司 https://zbmath.org/1530.62015 2024-04-15T15:10:58.286558Z “朱，J.” https://zbmath.org/authors/？q=ai:chu.jianing “卢，W。” https://zbmath.org/authors/？q=ai:lu.wenbin “杨，S。” https://zbmath.org/authors/？q=ai:yang.shu 摘要：个性化决策旨在根据个人特征得出最佳治疗方案，最近在医学、社会服务和经济学等许多领域引起了越来越多的关注。目前的文献主要集中于从单一来源人群评估治疗方案。在现实世界的应用中，目标种群的分布可能与源种群的分布不同。因此，通过现有方法获得的治疗方案可能无法很好地推广到目标人群。由于隐私问题和其他实际问题，目标人群的个人级数据通常不可用，这使得治疗方案学习更具挑战性。当来源和目标人群可能是异质的，从来源人群可以获得个体水平的数据，并且只有协变量的摘要信息（如矩）可以从目标人群获得时，我们考虑了治疗方案估计问题。我们开发了一个加权框架，通过利用可用的汇总统计数据，为特定目标人群量身定制治疗方案。具体来说，我们提出了目标人群值函数的一个经校准的增广逆概率加权估计量，并通过在一类预先指定的状态下最大化该估计量来估计最佳治疗状态。我们证明了所提出的校正估计量是一致的和渐近正态的，即使对于妨害函数近似的半/非参数柔性模型也是如此，并且可以一致估计值估计量的方差。我们通过仿真研究和使用两个脓毒症数据集的实际应用证明了该方法的经验性能。