Counterfactual Uncertainty Quantification of Factual Estimand of Efficacy from Before-and-After Treatment Repeated Measures Randomized Controlled Trials

要約

新しい治療 $Rx$ と対照 $C$ を比較するための理想的な推定値は、$\textit{反事実}$ の有効性 $Rx:C$ であり、各患者に治療が施された場合に期待される $Rx$ と $C$ の間の予期される差分結果です。
$\textit{両方}$。
$\textit{事実}$ ランダム化対照試験 (RCT) からの反事実 $\textit{点推定}$ は利用可能ですが、この記事では、事実に基づく点推定の不確実性を定量化する $\textit{反事実}$ 不確実性定量化 (CUQ) を示します。
しかし、反事実の設定では、驚くほど達成可能です。
私たちは、多くの治療分野で一般的な $\textit{前後}$ 治療反復測定を使用した RCT に適用できる ETZ と呼ばれる新しい統計モデリング原理を作成することにより、通常、実際の UQ よりも変動が小さい CUQ を実現します。
治療前の観察できない患者の真の状態の推定に測定誤差がある場合、標準回帰の仮定に違反すると治療効果の推定が減弱する可能性があるため、注意を促します。
幸いなことに、一般的な伝統医学、および母集団の平均として定義される有効性を持つ標的療法については、反事実点推定に偏りがないことが証明されました。
ただし、標的療法の場合、$\textit{subgroups}$ で予測される治療効果に偏りがないように、Real Human と Digital Twins の両方のアプローチでこの制限を尊重する必要があります。

要約(オリジナル)

The ideal estimand for comparing a new treatment $Rx$ with a control $C$ is the $\textit{counterfactual}$ efficacy $Rx:C$, the expected differential outcome between $Rx$ and $C$ if each patient were given $\textit{both}$. While counterfactual $\textit{point estimation}$ from $\textit{factual}$ Randomized Controlled Trials (RCTs) has been available, this article shows $\textit{counterfactual}$ uncertainty quantification (CUQ), quantifying uncertainty for factual point estimates but in a counterfactual setting, is surprisingly achievable. We achieve CUQ whose variability is typically smaller than factual UQ, by creating a new statistical modeling principle called ETZ which is applicable to RCTs with $\textit{Before-and-After}$ treatment Repeated Measures, common in many therapeutic areas. We urge caution when estimate of the unobservable true condition of a patient before treatment has measurement error, because that violation of standard regression assumption can cause attenuation in estimating treatment effects. Fortunately, we prove that, for traditional medicine in general, and for targeted therapy with efficacy defined as averaged over the population, counterfactual point estimation is unbiased. However, for targeted therapy, both Real Human and Digital Twins approaches should respect this limitation, lest predicted treatment effect in $\textit{subgroups}$ will have bias.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google