实体
Targeted maximum likelihood estimation
Targeted maximum likelihood estimation
PulseAugur coverage of Targeted maximum likelihood estimation — every cluster mentioning Targeted maximum likelihood estimation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的因果推断框架评估人工智能医疗设备
研究人员开发了一个新的因果推断框架，用于评估诊断测试和人工智能医疗设备的有效性。该方法区分了解释性有效性（衡量测试为治疗决策提供了多少新信息）和实用性有效性（评估使用这些信息是否能改善患者结局）。该框架通过比较在最优治疗规则下使用诊断测试结果和不使用诊断测试结果的预期结局来形式化实用性有效性，提供了一种理解人工智能是通过扩展信息还是通过优化决策过程来增强医疗决策的方法。
-
揭示用于效益-风险评估的新因果推断框架
研究人员开发了一个新颖的因果推断框架，用于评估效益-风险评估中的结果排序期望值（DOOR）。该框架通过分析不同治疗策略下的边际序数结果分布来量化DOOR概率。模拟表明，具有超级学习器的目标最大似然估计（TMLE-SL）在点估计性能上表现更优，优于G计算和逆概率加权等其他方法。
-
新的TMLE方法改进了具有缺失数据的疫苗有效性分析
研究人员开发了一种新的目标最大似然估计（TMLE）方法，用于分析阳性对照试验设计（TND）研究，特别是那些暴露变量中存在缺失数据的研究。这种半参数逻辑回归模型旨在为疫苗有效性和免疫相关物提供高效且有效的因果推断。该方法通过模拟进行了评估，并应用于使用Moderna Coronavirus Efficacy 3期试验数据评估COVID-19疫苗有效性。