Designing Optimal, Data-Driven Policies from Multisite Randomized Trials
Designing Optimal, Data-Driven Policies from Multisite Randomized Trials
复制标题
根据多站点随机试验设计最佳的数据驱动策略
DOI：
10.1007/s11336-023-09937-2
复制
发表时间：
2023
期刊：
影响因子：
3
通讯作者：
Park, Chan
中科院分区：
文献类型：
--
作者：
Suk, Youmi;Park, Chan
最佳治疗方案（OTR）已广泛应用于计算机科学和个性化医疗，为个人提供数据驱动的最佳建议。然而，以前的研究OTRs主要集中在设置是独立的和相同的分布，很少注意到教育环境的独特性，学生嵌套在学校内，有层次的依赖关系。本研究的目的是提出一个框架，设计OTR的多地点随机试验，一个常用的实验设计在教育和心理学评估教育计划。我们研究了对流行的OTR方法的修改，特别是Q学习和加权方法，以提高它们在多中心随机试验中的性能。总共有12个修改，6个Q-学习和6个加权，提出了利用不同的多级模型，主持人，和增强。模拟研究表明，所有的Q学习修改提高性能的多站点随机试验和修改，纳入随机治疗效果显示最有希望在处理集群级主持人。在加权方法中，将簇虚拟变量纳入主持人变量和增广项的修改在整个模拟条件下表现最好。建议的修改证明通过应用程序估计OTR的有条件的现金转移支付计划，在哥伦比亚使用多站点随机试验，以最大限度地提高教育程度。
Optimal treatment regimes (OTRs) have been widely employed in computer science and personalized medicine to provide data-driven, optimal recommendations to individuals. However, previous research on OTRs has primarily focused on settings that are independent and identically distributed, with little attention given to the unique characteristics of educational settings, where students are nested within schools and there are hierarchical dependencies. The goal of this study is to propose a framework for designing OTRs from multisite randomized trials, a commonly used experimental design in education and psychology to evaluate educational programs. We investigate modifications to popular OTR methods, specifically Q-learning and weighting methods, in order to improve their performance in multisite randomized trials. A total of 12 modifications, 6 for Q-learning and 6 for weighting, are proposed by utilizing different multilevel models, moderators, and augmentations. Simulation studies reveal that all Q-learning modifications improve performance in multisite randomized trials and the modifications that incorporate random treatment effects show the most promise in handling cluster-level moderators. Among weighting methods, the modification that incorporates cluster dummies into moderator variables and augmentation terms performs best across simulation conditions. The proposed modifications are demonstrated through an application to estimate an OTR of conditional cash transfer programs using a multisite randomized trial in Colombia to maximize educational attainment.
登录
查看更多内容
影响因子：
4.5
作者：
Qian M;Murphy SA
通讯作者：
Murphy SA
集群级未测量混杂下多级观察研究中治疗效果的稳健机器学习
影响因子：
3
作者：
Youmi Suk;Hyunseung Kang
通讯作者：
Hyunseung Kang
用于因果分析的固定效应、随机效应和混合模型
影响因子：
2.1
作者：
G. Firebaugh;Cody Warner;Michael Massoglia
通讯作者：
Michael Massoglia
一组数字的旅行：哥伦比亚“Estrato”系统启用的多重网络
影响因子：
1.6
作者：
Fernando León Tamayo Arboleda;Mariana Valverde
通讯作者：
Mariana Valverde
实践中的适应性治疗策略：规划试验和分析个性化医疗数据
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
M. Kosorok;E. Moodie
通讯作者：
E. Moodie