The Medical Deconfounder: Assessing Treatment Effect with Electronic Health Records (EHRs)
投稿日時
2019-04-03
コード
概要
治療効果の因果推定は、薬剤処方のための医師の決定プロセスを導く上で重要な役割を果たします。治療効果は無作為化比較試験（RCT）で古典的に評価されていますが、電子健康記録（EHR）の利用可能性は、より効率的な推定のための前例のない機会をもたらします。しかしながら、観察されていない交絡因子の存在は、EHRからの治療効果の評価を困難な課題にしている。交絡因子は、薬の処方と患者の予後の両方に影響を与える変数です。例としては、患者の性別、人種、社会経済的地位および併存症が挙げられる。これらの交絡因子が観察されない場合、それらは推定を偏らせる。観察されていない交絡因子を調整するために、EHRから治療効果を公平に推定する機械学習アルゴリズムである医療用除染剤を開発しました。メディカルデコンファウンダーは、最初にどの薬が各患者に処方されたかをモデル化することによって代用交絡者を構築します。この代替交絡者は、観察されたまたは観察されなかったすべての多剤交絡者を捕獲することが保証されている（Wang and Blei、2018）。それはそれから分析における交絡バイアスを調整するためにこの代用交絡子を使用する。我々はシミュレーションと2つの医療データセットで医療用デコンファウンダーを検証します。医学デコンファウンダーは、シミュレーションで真実に近い推定値を作成し、古典的なアプローチと比較して医学文献に報告されている発見とより一致する効果的な投薬を特定します。観察または観察されていない（Wang and Blei、2018）。それはそれから分析における交絡バイアスを調整するためにこの代用交絡子を使用する。我々はシミュレーションと2つの医療データセットで医療用デコンファウンダーを検証します。医学デコンファウンダーは、シミュレーションで真実に近い推定値を作成し、古典的なアプローチと比較して医学文献に報告されている発見とより一致する効果的な投薬を特定します。観察または観察されていない（Wang and Blei、2018）。それはそれから分析における交絡バイアスを調整するためにこの代用交絡子を使用する。我々はシミュレーションと2つの医療データセットで医療用デコンファウンダーを検証します。医学デコンファウンダーは、シミュレーションで真実に近い推定値を作成し、古典的なアプローチと比較して医学文献に報告されている発見とより一致する効果的な投薬を特定します。
概要
治療効果の因果推定は、薬剤処方のための医師の決定プロセスを導く上で重要な役割を果たします。治療効果は無作為化比較試験（RCT）で古典的に評価されていますが、電子健康記録（EHR）の利用可能性は、より効率的な推定のための前例のない機会をもたらします。しかしながら、観察されていない交絡因子の存在は、EHRからの治療効果の評価を困難な課題にしている。交絡因子は、薬の処方と患者の予後の両方に影響を与える変数です。例としては、患者の性別、人種、社会経済的地位および併存症が挙げられる。これらの交絡因子が観察されない場合、それらは推定を偏らせる。観察されていない交絡因子を調整するために、EHRから治療効果を公平に推定する機械学習アルゴリズムである医療用除染剤を開発しました。メディカルデコンファウンダーは、最初にどの薬が各患者に処方されたかをモデル化することによって代用交絡者を構築します。この代替交絡者は、観察されたまたは観察されなかったすべての多剤交絡者を捕獲することが保証されている（Wang and Blei、2018）。それはそれから分析における交絡バイアスを調整するためにこの代用交絡子を使用する。我々はシミュレーションと2つの医療データセットで医療用デコンファウンダーを検証します。医学デコンファウンダーは、シミュレーションで真実に近い推定値を作成し、古典的なアプローチと比較して医学文献に報告されている発見とより一致する効果的な投薬を特定します。観察または観察されていない（Wang and Blei、2018）。それはそれから分析における交絡バイアスを調整するためにこの代用交絡子を使用する。我々はシミュレーションと2つの医療データセットで医療用デコンファウンダーを検証します。医学デコンファウンダーは、シミュレーションで真実に近い推定値を作成し、古典的なアプローチと比較して医学文献に報告されている発見とより一致する効果的な投薬を特定します。観察または観察されていない（Wang and Blei、2018）。それはそれから分析における交絡バイアスを調整するためにこの代用交絡子を使用する。我々はシミュレーションと2つの医療データセットで医療用デコンファウンダーを検証します。医学デコンファウンダーは、シミュレーションで真実に近い推定値を作成し、古典的なアプローチと比較して医学文献に報告されている発見とより一致する効果的な投薬を特定します。