Buchumschlag

A pipeline for enabling path-specific causal fairness in observational health data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kashyap, Aparajita, Matijevic, Sara, Elhadad, Noémie, Kushner, Steven A., Joshi, Shalmali
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CEHR-XGPT: A Scalable Multi-Task Foundation Model for Electronic Health Records
von: Pang, Chao, et al.
Veröffentlicht: (2025)

FoMoH: A clinically meaningful foundation model evaluation for structured electronic health records
von: Pang, Chao, et al.
Veröffentlicht: (2025)

Bootstrapping-based Regularisation for Reducing Individual Prediction Instability in Clinical Risk Prediction Models
von: Matijevic, Sara, et al.
Veröffentlicht: (2026)

ADHAM: Additive Deep Hazard Analysis Mixtures for Interpretable Survival Regression
von: Ketenci, Mert, et al.
Veröffentlicht: (2025)

GRAIL: Goal Recognition Alignment through Imitation Learning
von: Elhadad, Osher, et al.
Veröffentlicht: (2026)

ODGR: Online Dynamic Goal Recognition
von: Shamir, Matan, et al.
Veröffentlicht: (2024)

Can We Predict the Unpredictable? Leveraging DisasterNet-LLM for Multimodal Disaster Classification
von: Kulahara, Manaswi, et al.
Veröffentlicht: (2025)

A Regression Framework for Understanding Prompt Component Impact on LLM Performance
von: Lauziere, Andrew, et al.
Veröffentlicht: (2026)

Learning Equivariant Functions via Quadratic Forms
von: Karjol, Pavan, et al.
Veröffentlicht: (2025)

Interpretable Discovery of One-parameter Subgroups: A Modular Framework for Elliptical, Hyperbolic, and Parabolic Symmetries
von: Karjol, Pavan, et al.
Veröffentlicht: (2025)

Post-processing fairness with minimal changes
von: Di Gennaro, Federico, et al.
Veröffentlicht: (2024)

Monitoring fairness in machine learning models that predict patient mortality in the ICU
von: van Schaik, Tempest A., et al.
Veröffentlicht: (2024)

Exploring the impact of fairness-aware criteria in AutoML
von: Simões, Joana, et al.
Veröffentlicht: (2026)

Differential privacy enables fair and accurate AI-based analysis of speech disorders while protecting patient data
von: Arasteh, Soroosh Tayebi, et al.
Veröffentlicht: (2024)

CEHR-GPT: Generating Electronic Health Records with Chronological Patient Timelines
von: Pang, Chao, et al.
Veröffentlicht: (2024)

One Loss to Rule Them All: Marked Time-to-Event for Structured EHR Foundation Models
von: Jing, Zilin, et al.
Veröffentlicht: (2026)

GINN-KAN: Interpretability pipelining with applications in Physics Informed Neural Networks
von: Ranasinghe, Nisal, et al.
Veröffentlicht: (2024)

Algorithmic syntactic causal identification
von: Cakiqi, Dhurim, et al.
Veröffentlicht: (2024)

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

PSK@EEUCA 2026: Fine-Tuning Large Language Models with Synthetic Data Augmentation for Multi-Class Toxicity Detection in Gaming Chat
von: Pulipaka, Srikar Kashyap
Veröffentlicht: (2026)

DoWhy-GCM: An extension of DoWhy for causal inference in graphical causal models
von: Blöbaum, Patrick, et al.
Veröffentlicht: (2022)

(Un)certainty of (Un)fairness: Preference-Based Selection of Certainly Fair Decision-Makers
von: Duong, Manh Khoi, et al.
Veröffentlicht: (2024)

A Physiologically-Constrained Neural Network Digital Twin Framework for Replicating Glucose Dynamics in Type 1 Diabetes
von: Roquemen-Echeverri, Valentina, et al.
Veröffentlicht: (2025)

Can We Predict Your Next Move Without Breaking Your Privacy?
von: Soni, Arpita, et al.
Veröffentlicht: (2025)

The foundations of cost-sensitive causal classification
von: Verbeke, Wouter, et al.
Veröffentlicht: (2020)

FairX: A comprehensive benchmarking tool for model analysis using fairness, utility, and explainability
von: Sikder, Md Fahim, et al.
Veröffentlicht: (2024)

Bayesian Pseudo-Coresets via Contrastive Divergence
von: Tiwary, Piyush, et al.
Veröffentlicht: (2023)

What is causal about causal models and representations?
von: Jørgensen, Frederik Hytting, et al.
Veröffentlicht: (2025)

D3-GNN: Dynamic Distributed Dataflow for Streaming Graph Neural Networks
von: Guliyev, Rustam, et al.
Veröffentlicht: (2024)

Time series causal discovery with variable lags
von: Petrungaro, Bruno, et al.
Veröffentlicht: (2026)

Search-contempt: a hybrid MCTS algorithm for training AlphaZero-like engines with better computational efficiency
von: Joshi, Ameya
Veröffentlicht: (2025)

Robust agents learn causal world models
von: Richens, Jonathan, et al.
Veröffentlicht: (2024)

How to be fair? A study of label and selection bias
von: Favier, Marco, et al.
Veröffentlicht: (2024)

Low-rank finetuning for LLMs: A fairness perspective
von: Das, Saswat, et al.
Veröffentlicht: (2024)

Path-specific effects for pulse-oximetry guided decisions in critical care
von: Zhang, Kevin, et al.
Veröffentlicht: (2025)

Gradient Guided Hypotheses: A unified solution to enable machine learning models on scarce and noisy data regimes
von: Neves, Paulo, et al.
Veröffentlicht: (2024)

Modeling chaotic Lorenz ODE System using Scientific Machine Learning
von: Kashyap, Sameera S, et al.
Veröffentlicht: (2024)

An entropy-optimal path to humble AI
von: Bassetti, Davide, et al.
Veröffentlicht: (2025)

Emergent temporal abstractions in autoregressive models enable hierarchical reinforcement learning
von: Kobayashi, Seijin, et al.
Veröffentlicht: (2025)

Transformers are Graph Neural Networks
von: Joshi, Chaitanya K.
Veröffentlicht: (2025)