SurvB-learner提出鲁棒评估生存分析异质效应
热点事件持续更新
SurvB-learner提出鲁棒评估生存分析异质效应
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
针对临床研究中信息性删失导致的偏差,研究人员提出一种基于部分识别的假设精简框架,旨在评估条件平均处理效应(CATE)的鲁棒性。 该框架推导了CATE的有效界,并引入模型无关的元学习者SurvB-learner进行估计,该方法具备双重鲁棒性和准预言机效率特性。 通过模拟和真实数据实验验证了该方法的有效性,结果表明其能够识别出在信息性删失下治疗有效的患者亚群。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
SurvB-learner:生存分析中异质处理效应在信息性删失下的鲁棒性评估报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · MLSurvB-learner:生存分析中异质处理效应在信息性删失下的鲁棒性评估
针对临床研究中信息性删失导致的偏差,提出一种基于部分识别的假设精简框架以评估条件平均处理效应(CATE)的鲁棒性。 该框架推导了CATE的有效界,并引入模型无关元学习者 SurvB-learner 进行估计,具备双重鲁棒性和准预言机效率特性。 通过模拟和真实数据实验验证了该方法的有效性,可识别出在信息性删失下治疗有效的患者亚群。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月20日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。