Buchumschlag

Estimating heterogeneous treatment effects with survival outcomes via a deep survival learner

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Yuming, Kang, Jian, Li, Yi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Variable importance measures for heterogeneous treatment effects with survival outcome
von: Ziersen, Simon Christoffer, et al.
Veröffentlicht: (2024)

Estimation of heterogeneous principal effects under principal ignorability
von: Zhang, Rui, et al.
Veröffentlicht: (2026)

Hybrid Meta-learners for Estimating Heterogeneous Treatment Effects
von: Liang, Zhongyuan, et al.
Veröffentlicht: (2025)

Robust estimation of heterogeneous treatment effects in randomized trials leveraging external data
von: Karlsson, Rickard, et al.
Veröffentlicht: (2025)

Explainable AI for survival analysis: a median-SHAP approach
von: Ter-Minassian, Lucile, et al.
Veröffentlicht: (2024)

Efficient and scalable clustering of survival curves
von: Villanueva, Nora M., et al.
Veröffentlicht: (2025)

Neural interval-censored survival regression with feature selection
von: Meixide, Carlos García, et al.
Veröffentlicht: (2022)

On the role of surrogates in the efficient estimation of treatment effects with limited outcome data
von: Kallus, Nathan, et al.
Veröffentlicht: (2020)

The Concordance Index decomposition: A measure for a deeper understanding of survival prediction models
von: Alabdallah, Abdallah, et al.
Veröffentlicht: (2022)

A flexible Bayesian g-formula for causal survival analyses with time-dependent confounding
von: Chen, Xinyuan, et al.
Veröffentlicht: (2024)

Targeted learning of heterogeneous treatment effect curves for right censored or left truncated time-to-event data
von: Pryce, Matthew, et al.
Veröffentlicht: (2026)

Doubly robust average treatment effect estimation for survival data
von: Lee, Byeonghee, et al.
Veröffentlicht: (2025)

Integrating tumor burden with survival outcome for treatment effect evaluation in oncology trials
von: Bhandari, Saurabh, et al.
Veröffentlicht: (2025)

A class of nonparametric methods for evaluating the effect of continuous treatments on survival outcomes
von: Jin, Yutong, et al.
Veröffentlicht: (2024)

Subgroup analysis methods for time-to-event outcomes in heterogeneous randomized controlled trials
von: Perrin, Valentine, et al.
Veröffentlicht: (2024)

The joint survival super learner: A super learner for right-censored data
von: Munch, Anders, et al.
Veröffentlicht: (2024)

Debiased inference for stochastic treatment interventions with survival outcomes
von: Martinussen, Torben, et al.
Veröffentlicht: (2026)

A pseudo-outcome-based framework to analyze treatment heterogeneity in survival data using electronic health records
von: Bo, Na, et al.
Veröffentlicht: (2024)

Interpretable (not just posthoc-explainable) heterogeneous survivor bias-corrected treatment effects for assignment of postdischarge interventions to prevent readmissions
von: Xia, Hongjing, et al.
Veröffentlicht: (2023)

Estimation of conditional average treatment effects on distributed confidential data
von: Kawamata, Yuji, et al.
Veröffentlicht: (2024)

M-learner:A Flexible And Powerful Framework To Study Heterogeneous Treatment Effect In Mediation Model
von: Li, Xingyu, et al.
Veröffentlicht: (2025)

Doubly robust estimation of causal effects for random object outcomes with continuous treatments
von: Bhattacharjee, Satarupa, et al.
Veröffentlicht: (2025)

Dimension-reduced outcome-weighted learning for estimating individualized treatment regimes in observational studies
von: Son, Sungtaek, et al.
Veröffentlicht: (2026)

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

Functional effects models: Accounting for preference heterogeneity in panel data with machine learning
von: Salvadé, Nicolas, et al.
Veröffentlicht: (2025)

Rate doubly robust estimation for weighted average treatment effects
von: Wang, Yiming, et al.
Veröffentlicht: (2025)

Learning treatment effects while treating those in need
von: Wilder, Bryan, et al.
Veröffentlicht: (2024)

Detecting critical treatment effect bias in small subgroups
von: De Bartolomeis, Piersilvio, et al.
Veröffentlicht: (2024)

Unsupervised dense random survival forests identify interpretable patient profiles with heterogeneous treatment benefit
von: Li, Xingyu, et al.
Veröffentlicht: (2026)

Dynamic Inter-treatment Information Sharing for Individualized Treatment Effects Estimation
von: Chauhan, Vinod Kumar, et al.
Veröffentlicht: (2023)

An optimal dynamic treatment regime estimator for indefinite-horizon survival outcomes
von: She, Jane, et al.
Veröffentlicht: (2025)

Doubly robust identification of treatment effects from multiple environments
von: De Bartolomeis, Piersilvio, et al.
Veröffentlicht: (2025)

Targeting relative risk heterogeneity with causal forests
von: Shirvaikar, Vik, et al.
Veröffentlicht: (2023)

RepFlow: Representation Enhanced Flow Matching for Causal Effect Estimation
von: Xie, Yifei, et al.
Veröffentlicht: (2026)

Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring
von: Wang, Yuxin, et al.
Veröffentlicht: (2025)

Interventional Imbalanced Multi-Modal Representation Learning via $β$-Generalization Front-Door Criterion
von: Li, Yi, et al.
Veröffentlicht: (2024)

Adaptive Bayesian Multivariate Spline Knot Inference with Prior Specifications on Model Complexity
von: He, Junhui, et al.
Veröffentlicht: (2024)

View selection in multi-view stacking: Choosing the meta-learner
von: van Loon, Wouter, et al.
Veröffentlicht: (2020)

Nonparametric learning of heterogeneous graphical model on network-linked data
von: Wang, Yuwen, et al.
Veröffentlicht: (2025)

Generalized promotion time cure model: A new modeling framework to identify cell-type-specific genes and improve survival prognosis
von: Zhao, Zhi, et al.
Veröffentlicht: (2025)