跳到主要内容
返回时间线
arXiv来源发表:

生存治疗效应的时间对比有了置信区间:共享样条让相邻时点不再各自拟合

核心概要

对右删失的生存数据,治疗效应既随患者特征变化,也随时间变化;此前的方法多在单个或固定评估时点上估计条件平均治疗效应,难以对相邻时点之间效应变化多少给出有效推断。该工作用神经网络刻画协变量效应、用一组共享的B样条基表示时间轨迹,并以双重稳健伪结局和子样本集成做推断。模拟中,在Bernstein真值下网格从5加密到97时,联合拟合的时间归一化对比RMSE保持在0.31–0.34,而各时点单独拟合的DNN从0.46升到7以上;在某一网格上两者的水平RMSE都约为0.11。

Source-provided article image: Inference for Heterogeneous Treatment Effects with Deep Survival Learners
arXiv

深度剖析

时间对比的估计误差可以不再随评估网格加密而放大,因为整条治疗效应轨迹被当作一个共享时间结构的对象来拟合。 此前的灵活生存CATE理论主要刻画单个时点或固定评估网格上的精度,而各时点单独拟合的估计量在网格变密时,时间对比的误差会被相邻时点间隔的倒数放大。 在Bernstein真值、真实nuisance函数的模拟中,网格从5加密到97时,联合拟合的时间归一化对比RMSE保持在0.31–0.34,各时点单独拟合的DNN则从0.46升到7以上;在某一网格上两者水平RMSE都约为0.11。

点估计之外,逐点CATE、时间对比和协变量对比都能给出渐近有效的置信区间,包括时间间隔收缩时的对比。 此前针对非线性生存CATE估计量的推断尚不完整,子采样与集成推断的既有结果没有直接覆盖联合建模、nuisance函数需估计的生存CATE。 200次重复的模拟中,逐点CATE覆盖率0.947–0.948,时间对比0.939–0.947,协变量对比0.957–0.958,且在倾向得分或生存模型之一被错设时仍接近名义水平。

协变量一侧用神经网络拟合,时间一侧用固定阶B样条基展开,网络输出的是样条系数而非逐时点的效应值。 单独拟合需要为每个评估时点训练一个模型,联合拟合则让所有时点共享同一组协变量到系数的映射。 模拟中联合估计量使用三次截断B样条,网络为两个隐藏层(128和64个单元),每个配置做200次蒙特卡洛重复。

启示与展望

演示范围是右删失生存数据、预设评估时间网格上的条件平均治疗效应及其时间与协变量对比,模拟使用已知真值生成的三类CATE曲面,应用为波士顿肺癌研究中II期与III期手术切除患者的辅助化疗分析。

理论结果依赖无混杂、正值性、条件独立删失以及若干正则与偏差控制条件;波士顿肺癌研究的分析属观察性,可能存在残余混杂和治疗时机偏倚,作者提示因果解释需谨慎。模拟中还报告,在某个设定下覆盖率会变差,且偏差与标准误之比更小,说明仅降低偏差不足以保证推断有效。