文献

J-GLOBAL ID：201802259303839583   整理番号：18A1250012

複数の治療による期待される結果を最大化するための最適治療割当【JST・京大機械翻訳】

Optimal treatment assignment to maximize expected outcome with multiple treatments

著者 (4件)： Lou Zhilan (School of Statistics, East China Normal University, Shanghai, China) ,  Shao Jun (School of Statistics, East China Normal University, Shanghai, China) ,  Shao Jun (Department of Statistics, University of Wisconsin, Madison, Wisconsin, U.S.A.) ,  Yu Menggang (Department of Biostatistics and Medical Informatics, University of Wisconsin, Madison, Wisconsin, U.S.A.)
資料名： Biometrics  (Biometrics)
巻： 74  号： 2  ページ： 506-516  発行年： 2018年 
JST資料番号： B0071A  ISSN： 0006-341X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 処理有効性の実質的不均一性があるとき,比較処理選択のための個別化処理割当規則を同定することが重要である。従来のアプローチは臨床転帰を直接モデル化し,治療と共変量の間の相互作用に従って最適治療ルールを定義する。このアプローチは,共変処理相互作用効果から主な効果を分離することの成功に依存し,それは容易ではない可能性がある。この欠点を克服するために,結果重みづけ学習と呼ばれる最近のアプローチは,微分処理に関連する期待される臨床結果を最大化することにより,最適な治療ルールを構築することに焦点を合わせている。しかしながら,3つ以上の処理を明示的に扱うアプローチが不足しているように思われる。本論文では,目標関数としてベクトルヒンジ損失を用いることにより,個別化処理ルールを多処理ケースに拡張する結果重みづけ学習法を提案した。得られた推定器の一貫性を本論文で示した。シミュレーション研究と実データ解析における本手法の性能を実証した。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  データ解析 ,  モデリング ,  微分 ,  *治療法 ,  不均一性 ,  重みづけ ,  シミュレーション ,  学習 ,  CASE
準シソーラス用語： 交互作用効果 ,  共変量 ,  転帰 ,  個性化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 治療効果の不均一性 ,  個別化された治療ルール ,  リスク限界 ,  RKHS ,  重み付き多カテゴリーサポートベクトルマシン

分類 (2件)： オペレーティングシステム  (JD03020J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 治療 ,  期待 ,  最大化 ,  割当