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

要約

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 $Rx:C$ です。これは、各患者に $\ が投与された場合に予想される $Rx$ と $C$ の差分結果です。
textit{両方}$。
100 年前、Neyman (1923a) は、計画された $\textit{事実}$ 実験からの、偏りのない反事実の有効性 $\textit{点推定}$ が達成可能であることを証明しました。
しかし、彼は、この推定値の反事実の分散が事実の分散よりどの程度小さいかという判断を未解決の課題として残しました。
この記事は、事実に反する点推定値の不確実性を定量化する $\textit{反事実}$ 不確実性定量化 (CUQ) が、一般的な治療前後の反復測定を伴うランダム化対照試験 (RCT) で実現可能であることを示しています。
多くの治療領域。
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、通常は実際の UQ よりも変動が小さい CUQ を実現します。
標準回帰仮定に違反し、治療効果の推定において $\textit{減衰}$ を引き起こす可能性がある測定誤差を含む予測子の使用には注意することを強くお勧めします。
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、Real Human と Digital Twins のどちらのアプローチでも、$\textit{subgroups}$ での治療効果の予測には減衰バイアスが生じる可能性があります。

要約(オリジナル)

The ideal estimand for comparing 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 $\textit{both}$. One hundred years ago, Neyman (1923a) proved unbiased $\textit{point estimation}$ of counterfactual efficacy from designed $\textit{factual}$ experiments is achievable. But he left the determination of how much might the counterfactual variance of this estimate be smaller than the factual variance as an open challenge. This article shows $\textit{counterfactual}$ uncertainty quantification (CUQ), quantifying uncertainty for factual point estimates but in a counterfactual setting, is achievable for Randomized Controlled Trials (RCTs) with Before-and-After treatment Repeated Measures which are common in many therapeutic areas. We achieve CUQ whose variability is typically smaller than factual UQ by creating a new statistical modeling principle called ETZ. We urge caution in using predictors with measurement error which violates standard regression assumption and can cause $\textit{attenuation}$ 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 both Real Human and Digital Twins approaches, predicting treatment effect in $\textit{subgroups}$ may have attenuation bias.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google