Doubly Robust Learning for Estimating Individualized Treatment with Censored Data.
Doubly Robust Learning for Estimating Individualized Treatment with Censored Data.
复制标题
DOI：
10.1093/biomet/asu050
复制
发表时间：
2015-03-01
期刊：
影响因子：
2.7
通讯作者：
Kosorok MR
中科院分区：
文献类型：
--
作者：
Zhao YQ;Zeng D;Laber EB;Song R;Yuan M;Kosorok MR
个体化治疗规则根据个体患者的特征推荐治疗，以最大限度地提高临床获益。当关注的临床结果是生存时间时，估计通常因删失而复杂化。我们开发的非参数方法估计最佳的个性化治疗规则中存在的删失数据。为了调整删失，我们提出了一个双重的鲁棒估计，需要正确的规范的删失模型或生存模型，但不是两者兼而有之;该方法被证明是Fisher一致的，当任何一个模型是正确的。此外，我们还建立了估计的最佳个体化治疗规则下的预期生存期到最佳个体化治疗规则下的预期生存期的收敛速度。我们使用模拟研究和来自非小细胞肺癌III期临床试验的数据来说明所提出的方法。
Individualized treatment rules recommend treatments based on individual patient characteristics in order to maximize clinical benefit. When the clinical outcome of interest is survival time, estimation is often complicated by censoring. We develop nonparametric methods for estimating an optimal individualized treatment rule in the presence of censored data. To adjust for censoring, we propose a doubly robust estimator which requires correct specification of either the censoring model or survival model, but not both; the method is shown to be Fisher consistent when either model is correct. Furthermore, we establish the convergence rate of the expected survival under the estimated optimal individualized treatment rule to the expected survival under the optimal individualized treatment rule. We illustrate the proposed methods using simulation study and data from a Phase III clinical trial on non-small cell lung cancer.
登录
查看更多内容
影响因子：
1.9
作者：
Zhang B;Tsiatis AA;Laber EB;Davidian M
通讯作者：
Davidian M
影响因子：
3.7
作者：
Zhao YQ;Zeng D;Laber EB;Kosorok MR
通讯作者：
Kosorok MR
影响因子：
4.5
作者：
Qian M;Murphy SA
通讯作者：
Murphy SA
影响因子：
1.7
作者：
Zhang, Baqun;Tsiatis, Anastasios A;Davidian, Marie;Zhang, Min;Laber, Eric
通讯作者：
Laber, Eric
影响因子：
2
作者：
Huang, Xuelin;Ning, Jing;Wahed, Abdus S.
通讯作者：
Wahed, Abdus S.