权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

機械学習による自動的変数選択をもちいた新しい治療効果推定手法の提案

提出一种使用机器学习自动变量选择的新治疗效果估计方法

基本信息

批准号：
20K20247
负责人：
加葉田大志朗
金额：
$ 2.16万
依托单位：
Osaka Metropolitan University (2022)Osaka City University (2020-2021)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K20247/
关键词：
臨床研究観察研究因果推論機械学習変数選択傾向スコア

项目摘要

観察研究において関心の治療の効果を適切に推定するためには，研究対象者における膨大な特性情報を考慮する必要がある．高次元な患者特性情報を考慮した治療効果推定量を得るために，近年では機械学習を用いて局外関数を推定した因果推論手法が活用されることも多い．特に計量経済学分野で提案されたdouble/debiased machine learning（DML）推定量は，高次元な患者特性情報の存在下において，従来の機械学習を利用した因果推論手法よりも優れた漸近的性質をもつことが知られている．しかし局外関数の推定に機械学習手法を用いるため，関心の治療の効果推定に対して不適当な因子の影響を強く考慮してしまう懸念が残る．この局外関数推定における変数選択の課題を解消するために，昨年度はアウトカムに関連の強い因子を積極的に考慮できる機械学習手法をDML推定量に応用することの有用性等を評価する研究を行い，国際学術誌に報告した．ただし実際の臨床研究においては，どの機械学習手法が治療効果の推定に対して最も適当であるかを先験的に特定することは難しい．不適切な機械学習手法を選択した場合には，関心の治療効果の推定量にバイアスが生じ得る．この問題を解消するために，本年度は前年度で取り組んだ内容を基盤として，機械学習手法の選択に頑健な治療効果推定量の提案を目的とした研究に取り組んだ．本年度は理論的提案およびコンピューターシミュレーションの実施，状況依存的なパフォーマンスの評価と従来法との比較，実際の臨床研究データへの応用例を提示し，論文にまとめ国際学術誌に投稿中である．

In order to assess the effectiveness of the treatment of interest in the study and make appropriate inferences, it is necessary to take into account the extensive characteristic information of the study subjects. In recent years, the number of patients who have been treated has been estimated by mechanical learning. In particular, in the field of metrology, the proposal is double/debiased machine learning (DML). In the presence of high-dimensional patient characteristic information, machine learning is used to optimize the asymptotic properties of the patient. The prediction of the number of external factors is a mechanical learning technique. The prediction of the effect of care and treatment is a strong consideration of the influence of inappropriate factors. The study was conducted in the International Journal of Science and Technology. The results show that: (1) the correlation factors of DML are positive,(2) the mechanical learning techniques of DML are positive,(3) the usefulness of DML is positive,(4) the correlation factors of DML are positive,(5) the correlation factors of DML are positive,(6) the mechanical learning techniques of DML are positive,(7) the relevance factors of DML are positive,(8) the relevance factors of DML are positive,(9) the relevance factors of DML are positive,(10) the relevance factors of DML are positive,(11) the relevance factors of DML are positive,(12) the relevance factors of DML are positive,(13) the relevance factors of DML are positive,(14) the relevance factors of DML are positive,(15) the relevance factors of DML are positive,(16) the relevance factors of DML are positive,(15) the relevance factors of DML are positive,(16) the relevance factors of DML are positive,(17) the relevance In clinical research, the most appropriate method of determining the therapeutic effect is mechanical learning. Inappropriate mechanical learning techniques are selected for the purpose of determining the amount of therapeutic effects that are of interest. This year, compared with the previous year, the content of the group was selected as the basis for the selection of mechanical learning techniques, and the results of the study were selected as the basis for the study. This year's proposal for a state-dependent approach to clinical research is presented in the International Journal.

项目成果

期刊论文数量（3）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Variable selection in double/debiased machine learning for causal inference: An outcome-adaptive Lasso approach

用于因果推理的双重/去偏机器学习中的变量选择：结果自适应套索方法

DOI：
发表时间：
2020
期刊：
影响因子：
0
作者：
Loi Tonthat;Mone Kimura;Tomoyuki Ogawa;Narufumi Kitamura;Yoshio Kobayashi;Kohsuke Gonda;Shin Yabukami;加葉田大志朗，新谷元嗣
通讯作者：
加葉田大志朗，新谷元嗣

Association between kidney function and intracerebral hematoma volume

肾功能与脑内血肿量的关系