解决重症监护中因死亡导致的治疗评估难题，实现个性化治疗优化。
Evaluating and Learning Optimal Dynamic Treatment Regimes under Truncation by Death
- 基于生存者主分层方法，聚焦始终存活人群的治疗价值函数。
- 提出多阶段治疗方案的高效稳健估计器，兼具统计效率与鲁棒性。
- 适用于电子病历数据，为临床个性化治疗提供可靠评估工具。
在重症监护中，因死亡导致的截断问题使得传统动态治疗策略（DTR）评估失效，因其潜在结果定义不明确。本文提出一种基于主分层的方法，专注于始终存活人群的价值函数。我们推导出适用于多阶段DTR的半参数高效、多重稳健估计器，并验证其在实际数据中的有效性。通过电子健康记录的应用，展示了该方法在个性化治疗优化中的实用价值。
原文摘要 · Abstract (English)
Truncation by death, a prevalent challenge in critical care, renders traditional dynamic treatment regime (DTR) evaluation inapplicable due to ill-defined potential outcomes. We introduce a principal stratification-based method, focusing on the always-survivor value function. We derive a semiparametrically efficient, multiply robust estimator for multi-stage DTRs, demonstrating its robustness and efficiency. Empirical validation and an application to electronic health records showcase its utility for personalized treatment optimization.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。