Buchumschlag

Inverse Probability of Treatment Weighting with Deep Sequence Models Enables Accurate treatment effect Estimation from Electronic Health Records

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Junghwan, Ma, Simin, Serban, Nicoleta, Yang, Shihao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated Inverse Probability Treatment Weighting for Individual Treatment Effect Estimation
von: Yin, Changchang, et al.
Veröffentlicht: (2025)

Dialysis Risk Prediction and Treatment Effect Estimation for AKI patients using Longitudinal Electronic Health Records
von: Pande, Kalyani P., et al.
Veröffentlicht: (2026)

Causal Fairness Assessment of Treatment Allocation with Electronic Health Records
von: Zhang, Linying, et al.
Veröffentlicht: (2022)

Stabilized Inverse Probability Weighting via Isotonic Calibration
von: van der Laan, Lars, et al.
Veröffentlicht: (2024)

Are Statistical Methods Obsolete in the Era of Deep Learning? A Study of ODE Inverse Problems
von: Wu, Skyler, et al.
Veröffentlicht: (2025)

Causal Clustering for Conditional Average Treatment Effects Estimation and Subgroup Discovery
von: Wang, Zilong, et al.
Veröffentlicht: (2025)

Mining Electronic Health Records to Investigate Effectiveness of Ensemble Deep Clustering
von: Samad, Manar D., et al.
Veröffentlicht: (2026)

Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models
von: Zhong, Yuan, et al.
Veröffentlicht: (2024)

Recent Advances in Predictive Modeling with Electronic Health Records
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

HyperMLP: An Integrated Perspective for Sequence Modeling
von: Lu, Jiecheng, et al.
Veröffentlicht: (2026)

The Connection Between R-Learning and Inverse-Variance Weighting for Estimation of Heterogeneous Treatment Effects
von: Fisher, Aaron
Veröffentlicht: (2023)

Annotation-Assisted Learning of Treatment Policies From Multimodal Electronic Health Records
von: Arno, Henri, et al.
Veröffentlicht: (2025)

Time-Aware Attention for Enhanced Electronic Health Records Modeling
von: Yu, Junhan, et al.
Veröffentlicht: (2025)

Benchmarking Foundation Models with Multimodal Public Electronic Health Records
von: Yu, Kunyu, et al.
Veröffentlicht: (2025)

Prediction-Powered Inference with Inverse Probability Weighting
von: Datta, Jyotishka, et al.
Veröffentlicht: (2025)

Identifying Dementia Subtypes with Electronic Health Records
von: Kumar, Sayantan, et al.
Veröffentlicht: (2022)

EHRMamba: Towards Generalizable and Scalable Foundation Models for Electronic Health Records
von: Fallahpour, Adibvafa, et al.
Veröffentlicht: (2024)

Interpretable Neural Temporal Point Processes for Modelling Electronic Health Records
von: Liu, Bingqing
Veröffentlicht: (2024)

A Comprehensive Benchmark for COVID-19 Predictive Modeling Using Electronic Health Records in Intensive Care
von: Gao, Junyi, et al.
Veröffentlicht: (2022)

GraphWalker: Graph-Guided In-Context Learning for Clinical Reasoning on Electronic Health Records
von: Fang, Yue, et al.
Veröffentlicht: (2026)

Guided Discrete Diffusion for Electronic Health Record Generation
von: Han, Jun, et al.
Veröffentlicht: (2024)

Contrastive Learning on Multimodal Analysis of Electronic Health Records
von: Cai, Tianxi, et al.
Veröffentlicht: (2024)

Predictive Modeling with Temporal Graphical Representation on Electronic Health Records
von: Chen, Jiayuan, et al.
Veröffentlicht: (2024)

Validating a Deep Learning Algorithm to Identify Patients with Glaucoma using Systemic Electronic Health Records
von: Xiang, John, et al.
Veröffentlicht: (2026)

An Interpretable Deep-Learning Framework for Predicting Hospital Readmissions From Electronic Health Records
von: Azzalini, Fabio, et al.
Veröffentlicht: (2023)

Flow-based Conformal Prediction for Multi-dimensional Time Series
von: Lee, Junghwan, et al.
Veröffentlicht: (2025)

Transformer Conformal Prediction for Time Series
von: Lee, Junghwan, et al.
Veröffentlicht: (2024)

Foundation Model of Electronic Medical Records for Adaptive Risk Estimation
von: Renc, Pawel, et al.
Veröffentlicht: (2025)

State-of-Health Prediction for EV Lithium-Ion Batteries via DLinear and Robust Explainable Feature Selection
von: Kim, Minsu, et al.
Veröffentlicht: (2025)

Automated Fusion of Multimodal Electronic Health Records for Better Medical Predictions
von: Cui, Suhan, et al.
Veröffentlicht: (2024)

MedRep: Medical Concept Representation for General Electronic Health Record Foundation Models
von: Kim, Junmo, et al.
Veröffentlicht: (2025)

Temporal Cross-Attention for Dynamic Embedding and Tokenization of Multimodal Electronic Health Records
von: Ma, Yingbo, et al.
Veröffentlicht: (2024)

Inference of Dependency Knowledge Graph for Electronic Health Records
von: Xu, Zhiwei, et al.
Veröffentlicht: (2023)

Sparse Learning and Class Probability Estimation with Weighted Support Vector Machines
von: Zeng, Liyun, et al.
Veröffentlicht: (2023)

A Generative Approach for Semantic Auditing of Electronic Health Records
von: Girshovitz, Irena, et al.
Veröffentlicht: (2025)

An MLI-Guided Framework for Subgroup-Aware Modeling in Electronic Health Records (AdaptHetero)
von: Liao, Ling, et al.
Veröffentlicht: (2025)

Sequential Inference of Hospitalization Electronic Health Records Using Probabilistic Models
von: Kaplan, Alan D., et al.
Veröffentlicht: (2024)

The Taxonomies, Training, and Applications of Event Stream Modelling for Electronic Health Records
von: Zhu, Mingcheng, et al.
Veröffentlicht: (2026)

Rethinking Evaluation Metric for Probability Estimation Models Using Esports Data
von: Choi, Euihyeon, et al.
Veröffentlicht: (2023)

A Comprehensive Survey of Electronic Health Record Modeling: From Deep Learning Approaches to Large Language Models
von: Ren, Weijieying, et al.
Veröffentlicht: (2025)