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。
研究者は,ランダム化実験において原因の不均一性を調査するために機械学習(ML)アルゴリズムにますます転換している。それらの有望性にもかかわらず,MLアルゴリズムは,多くの共変量と小さなサンプルサイズで,実用的な設定の下で,異種の治療効果を正確に確認することができない可能性がある。さらに,推定の不確実性の定量化は課題として残っている。一般的MLアルゴリズムにより発見された不均一処理効果に対する統計的推論への一般的アプローチを開発した。筆者らは,Neymanの反復サンプリングフレームワークを共通の設定に適用し,その中で,研究者はMLアルゴリズムを用いて条件付き平均処理効果を推定し,次に推定効果の大きさに基づいてサンプルをいくつかのグループに分割した。これらの各グループ内の平均治療効果を推定する方法を示し,妥当な信頼区間を構築した。さらに,グループ全体での処理効果均一性のノンパラメトリック試験とグループ内平均処理効果のランク一貫性を開発した。この方法論の妥当性は,処理割当のランダム化とユニットのランダムサンプリングのみに基づいているので,MLアルゴリズムの性質に依存しない。最後に,データのランダム分割により誘導された付加的不確実性を考慮することにより,この方法論を交差当てはめ手続きに一般化した。【JST機械翻訳】