Buchumschlag

Identifying treatment response subgroups in observational time-to-event data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jeanselme, Vincent, Yoon, Chang Ho, Falck, Fabian, Tom, Brian, Barrett, Jessica
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Assessing the impact of variance heterogeneity and misspecification in mixed-effects location-scale models
von: Jeanselme, Vincent, et al.
Veröffentlicht: (2025)

Imputation Strategies Under Clinical Presence: Impact on Algorithmic Fairness
von: Jeanselme, Vincent, et al.
Veröffentlicht: (2022)

Constrained Identifiability of Causal Effects
von: Chen, Yizuo, et al.
Veröffentlicht: (2024)

Competing Risks: Impact on Risk Estimation and Algorithmic Fairness
von: Jeanselme, Vincent, et al.
Veröffentlicht: (2025)

Identifying Macro Causal Effects in C-DMGs over DMGs
von: Ferreira, Simon, et al.
Veröffentlicht: (2025)

Identifying Macro Conditional Independencies and Macro Total Effects in Summary Causal Graphs with Latent Confounding
von: Ferreira, Simon, et al.
Veröffentlicht: (2024)

A primer on optimal transport for causal inference with observational data
von: Gunsilius, Florian F
Veröffentlicht: (2025)

On the Granularity of Causal Effect Identifiability
von: Chen, Yizuo, et al.
Veröffentlicht: (2025)

Identifying Conditional Causal Effects in MPDAGs
von: LaPlante, Sara, et al.
Veröffentlicht: (2025)

Effective Causal Discovery under Identifiable Heteroscedastic Noise Model
von: Yin, Naiyu, et al.
Veröffentlicht: (2023)

Estimating counterfactual treatment outcomes over time in complex multiagent scenarios
von: Fujii, Keisuke, et al.
Veröffentlicht: (2022)

Aligning Probabilistic Beliefs under Informative Missingness: LLM Steerability in Clinical Reasoning
von: Kobayashi, Yuta, et al.
Veröffentlicht: (2025)

Learning Identifiable Structures Helps Avoid Bias in DNN-based Supervised Causal Learning
von: Zhang, Jiaru, et al.
Veröffentlicht: (2025)

Query-efficient model evaluation using cached responses
von: Helm, Hayden, et al.
Veröffentlicht: (2026)

Flexible Counterfactual Explanations with Generative Models
von: Hellemans, Stig, et al.
Veröffentlicht: (2025)

CafeMed: Causal Attention Fusion Enhanced Medication Recommendation
von: Ren, Kelin, et al.
Veröffentlicht: (2025)

Recidivism and Peer Influence with LLM Text Embeddings in Low Security Correctional Facilities
von: Nath, Shanjukta, et al.
Veröffentlicht: (2025)

Identifying Causal Effects Under Functional Dependencies
von: Chen, Yizuo, et al.
Veröffentlicht: (2024)

iSCAN: Identifying Causal Mechanism Shifts among Nonlinear Additive Noise Models
von: Chen, Tianyu, et al.
Veröffentlicht: (2023)

Testing for LLM response differences: the case of a composite null consisting of semantically irrelevant query perturbations
von: Acharyya, Aranyak, et al.
Veröffentlicht: (2025)

Observing the unobserved confounding through its effects: toward randomized trial-like estimates from real-world survival data
von: Stoumpou, Vasiliki, et al.
Veröffentlicht: (2026)

An AI-powered Bayesian generative modeling approach for causal inference in observational studies
von: Liu, Qiao, et al.
Veröffentlicht: (2025)

Lightspeed Geometric Dataset Distance via Sliced Optimal Transport
von: Nguyen, Khai, et al.
Veröffentlicht: (2025)

Beyond Accuracy: Are Time Series Foundation Models Well-Calibrated?
von: Adler, Coen, et al.
Veröffentlicht: (2025)

High-dimensional multiple imputation (HDMI) for partially observed confounders including natural language processing-derived auxiliary covariates
von: Weberpals, Janick, et al.
Veröffentlicht: (2024)

Low-Rank Robust Subspace Tensor Clustering for Metro Passenger Flow Modeling
von: Hu, Jiuyun, et al.
Veröffentlicht: (2024)

Better Simulations for Validating Causal Discovery with the DAG-Adaptation of the Onion Method
von: Andrews, Bryan, et al.
Veröffentlicht: (2024)

Bounding Causal Effects with Leaky Instruments
von: Watson, David S., et al.
Veröffentlicht: (2024)

Causal reasoning in difference graphs
von: Assaad, Charles K.
Veröffentlicht: (2024)

Towards identifiability of micro total effects in summary causal graphs with latent confounding: extension of the front-door criterion
von: Assaad, Charles K.
Veröffentlicht: (2024)

Zero Inflation as a Missing Data Problem: a Proxy-based Approach
von: Phung, Trung, et al.
Veröffentlicht: (2024)

Exploratory Visual Analysis for Increasing Data Readiness in Artificial Intelligence Projects
von: Tiger, Mattias, et al.
Veröffentlicht: (2024)

Average Controlled and Average Natural Micro Direct Effects in Summary Causal Graphs
von: Ferreira, Simon, et al.
Veröffentlicht: (2024)

Response Style Characterization for Repeated Measures Using the Visual Analogue Scale
von: Minusa, Shunsuke, et al.
Veröffentlicht: (2024)

Orientability of Causal Relations in Time Series using Summary Causal Graphs and Faithful Distributions
von: Loranchet, Timothée, et al.
Veröffentlicht: (2025)

Impact of clinical decision support systems (cdss) on clinical outcomes and healthcare delivery in low- and middle-income countries: protocol for a systematic review and meta-analysis
von: Jain, Garima, et al.
Veröffentlicht: (2025)

A Statistical Framework for Algorithmic Collective Action with Multiple Collectives
von: Battiloro, Claudio, et al.
Veröffentlicht: (2026)

DeepVARwT: Deep Learning for a VAR Model with Trend
von: Li, Xixi, et al.
Veröffentlicht: (2022)

Relaxing partition admissibility in Cluster-DAGs: a causal calculus with arbitrary variable clustering
von: Yvernes, Clément, et al.
Veröffentlicht: (2025)

Unbiased Prevalence Estimation with Multicalibrated LLMs
von: Linder, Fridolin, et al.
Veröffentlicht: (2026)