抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
構造方程式/Causalモデル(SEMs/SCMs)は,疫学と社会科学で広く使用され,平均因果関係(ACE)と条件付きACE(CACE)を同定し,分析する。逆確率重み付け(IPW)およびより最近回帰-With-Resibles(RWR)のような伝統的な因果関係推定方法は,ACEおよびCACEを推定するためのSCMパラメータの同定の困難な作業を避けるので,広く用いられている。しかし,従来の推定法が対抗的推論に使用可能であり,社会科学における個人化公共政策分析(P ̄3A)の利益のために,多くの研究が残されている。医師は,実験室設定(比較的閉鎖システム)の患者に治療を仕立てるための個別化医療に依存するが,P ̄3Aはそのような仕立てからインスピレーションを引き出すが,オープンソーシャルシステムに適応する。本論文では,P ̄3Aを容易にする因果律正規化フロー(c-GNF)を名付ける対抗推論のための方法を開発した。最初に,c-GNFが機能的形に関する仮定をなさずに,基礎となるSCMを捉える方法を示した。第2に,著者らは,通常,正規化フローの限界である離散変数を取り扱うために,新しい量子化トリックを提案した。第3に,著者らは,c-GNFが,真の機能形式が知られ,それらが未知であるとき,ATEを推定するためのバイアスと分散に関して,IPWとRWRとのオンパーを実行することを示した。第4および最も重要なことに,c-GNFsとの対抗的推論を行い,有望な経験的性能を示した。IPWとRWRは,他の伝統的方法のように,対抗的推論の能力を欠いているので,c-GNFsは,既存の方法の現行の 子サイズ適合法とは対照的に,P ̄3Aを促進し,社会的介入を最適化することで,個人化処理の調整において主要な役割を果たすと思われる。【JST・京大機械翻訳】