摘要
精确医学是一个日益重要的研究领域。由于个体特征的异质性，患者对治疗的反应可能不同。精确医学最重要的目标之一是制定直接涉及患者特征的个性化治疗规则。作为临床研究中一个有趣的话题，近年来发展了许多统计方法来寻找最佳ITR。对于二元治疗，提出了结果加权学习（OWL），以找到患者特征的决策函数，最大化预期的临床结果。具有等级结构的治疗在实践中很常见。在分层场景中，如何估计ITR仍然不清楚。我们提出了一个新的框架，称为层次结果加权角度学习（HOAL），用于估计具有层次结构的治疗的ITR。给出了该方法的统计性质，包括Fisher一致性和收敛速度。在线性和非线性学习下对2型糖尿病研究的模拟和应用表明，我们提出的方法在数值精度和计算效率方面具有很强的竞争力。
资金筹措表
陆晓玲的研究部分得到了国家自然科学基金（72171229号）和中国人民大学建设世界一流大学（学科）基金的支持。赵俊龙的研究得到了国家科学基金的部分资助，编号为11871104和12131006。刘玉凤的研究部分得到了NSF拨款DMS-1821231和DMS-2100729以及NIH拨款R01GM126550的支持。
致谢
作者感谢主编、副主编和审稿人，他们的有益评论和建议使演讲得到了很大改进。
引用
下载引文
范一伟。
陆晓玲。
赵俊龙。
傅浩达。
刘玉峰。
“评估分层结构治疗的个性化治疗规则。”
电子。J.统计。
16
（1）
737 - 784,
2022
https://doi.org/10.1214/21-EJS1948
问询处
收到日期：2020年10月1日;发布日期：2022年
欧几里德项目首次推出：2022年1月19日
数字对象标识符：10.1214/21-EJS1948
关键词：异质性,基于层次角度的分类,精密医学,支持向量机
