Estimating Individualized Treatment Rules Using Outcome Weighted Learning.
Estimating Individualized Treatment Rules Using Outcome Weighted Learning.
复制标题
DOI：
10.1080/01621459.2012.695674
复制
发表时间：
2012-09-01
影响因子：
3.7
通讯作者：
Kosorok MR
中科院分区：
文献类型：
--
作者：
Zhao Y;Zeng D;Rush AJ;Kosorok MR
有越来越多的兴趣，发现个性化的治疗规则的患者有异质性的治疗反应。特别是，一个目的是找到一个最佳的个性化治疗规则，这是一个确定性的功能，患者的具体特点，最大限度地提高预期的临床效果。在本文中，我们首先表明，估计这样一个最佳的治疗规则是相当于一个分类问题，每个主题是加权成比例的他或她的临床结果。然后，我们提出了一种基于支持向量机框架的结果加权学习方法。我们表明，由此产生的估计的治疗规则是一致的。我们进一步获得了一个有限的样本约束的预期结果之间的差异，使用估计的个性化治疗规则和最佳治疗规则。所提出的方法的性能证明通过模拟研究和慢性抑郁症数据的分析。
There is increasing interest in discovering individualized treatment rules for patients who have heterogeneous responses to treatment. In particular, one aims to find an optimal individualized treatment rule which is a deterministic function of patient specific characteristics maximizing expected clinical outcome. In this paper, we first show that estimating such an optimal treatment rule is equivalent to a classification problem where each subject is weighted proportional to his or her clinical outcome. We then propose an outcome weighted learning approach based on the support vector machine framework. We show that the resulting estimator of the treatment rule is consistent. We further obtain a finite sample bound for the difference between the expected outcome using the estimated individualized treatment rule and that of the optimal treatment rule. The performance of the proposed approach is demonstrated via simulation studies and an analysis of chronic depression data.
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
DOI：
10.1198/016214505000000907
发表时间：
2006-03-01
影响因子：
3.7
作者：
Bartlett, PL;Jordan, MI;McAuliffe, JD
通讯作者：
McAuliffe, JD
影响因子：
2.7
作者：
Cai, T.;Tian, L.;Wei, L. J.
通讯作者：
Wei, L. J.
影响因子：
158.5
作者：
Keller, MB;McCullough, JP;Rothbaum, B
通讯作者：
Rothbaum, B
影响因子：
7.5
作者：
CORTES, C;VAPNIK, V
通讯作者：
VAPNIK, V