時間対事象結果を持つ最適個別決定ルールの変換不変学習【JST・京大機械翻訳】

Zhou Yu; Wang Lan; Song Rui; Zhao Tuoyi

プレプリント

J-GLOBAL ID：202202212897714100 整理番号：22P0328474

時間対事象結果を持つ最適個別決定ルールの変換不変学習【JST・京大機械翻訳】

Transformation-Invariant Learning of Optimal Individualized Decision Rules with Time-to-Event Outcomes

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月08日プレプリントサーバーでの情報更新日： 2022年04月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

精密医学の多くの重要な応用において,関心の転帰はイベント(例えば,死亡,病気の再発)の時間であり,一次目標は生存時間を延長するための最適個別化決定ルール(IDR)を同定することである。この領域における既存の仕事は,容易に解釈可能な分位基準に基づく時間対事象結果による最適静的または動的IDRを推定するための,新しいロバストフレームワークを提案するための最適IDRの推定に,ほとんど焦点を合わせた。新しい方法は,結果回帰モデルを指定する必要がなく,重尾分布に対してロバストである。推定問題は,有限次元および無限次元パラメータの両方を有する非正規M推定問題に対応する。先進的経験的プロセス技術を採用して,著者らは最適IDRを推定する推定パラメータの統計的理論を確立した。さらに,提案したアプローチが,最適IDRが非一意的で,例外的な法則の挑戦的な設定で起こる場合でも,穏やかな条件下で最適値関数を一貫して推定することができるという新しい結果を証明した。また,推論のための平滑化再サンプリング手順を提案した。提案した方法をRパッケージQTOCenに実装した。大規模なモンテカルロ研究と実際のデータ応用,個体群における制限平均生存時間を通して,提案した新しい方法の性能を実証した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

システム設計・解析

, , ,

前のページに戻る