ترجمه فارسی مقاله مدل‌های انتشار همدیس برای تخمین و استنتاج اثر درمان فردی

چکیده

Estimating treatment effects from observational data is of central interest across numerous application domains. Individual treatment effect offers the most granular measure of treatment effect on an individual level, and is the most useful to facilitate personalized care. However, its estimation and inference remain underdeveloped due to several challenges. In this article, we propose a novel conformal diffusion model-based approach that addresses those intricate challenges. We integrate the highly flexible diffusion modeling, the model-free statistical inference paradigm of conformal inference, along with propensity score and covariate local approximation that tackle distributional shifts. We unbiasedly estimate the distributions of potential outcomes for individual treatment effect, construct an informative confidence interval, and establish rigorous theoretical guarantees. We demonstrate the competitive performance of the proposed method over existing solutions through extensive numerical studies.

چکیده به فارسی (ترجمه ماشینی)

تخمین اثرات درمانی از داده های مشاهده ای در حوزه های کاربردی متعدد مورد توجه واقع شده است.اثر درمانی فردی بیشترین اندازه گیری اثر درمانی را در سطح فردی ارائه می دهد و برای تسهیل مراقبت های شخصی مفیدترین است.با این حال ، تخمین و استنباط آن به دلیل چندین چالش توسعه نیافته است.در این مقاله ، ما یک رویکرد مبتنی بر انتشار مدل کنفورماسیون جدید را پیشنهاد می کنیم که به آن چالش های پیچیده می پردازد.ما مدل سازی انتشار بسیار انعطاف پذیر ، الگوی استنتاج آماری بدون مدل از استنتاج کنفورماسی ، همراه با نمره گرایش و تقریب محلی متغیر را که به تغییر توزیع می پردازیم ، ادغام می کنیم.ما به طور غیرقانونی توزیع نتایج بالقوه را برای اثر درمانی فردی تخمین می زنیم ، یک بازه اطمینان آموزنده ایجاد می کنیم و ضمانت های نظری دقیق را تعیین می کنیم.ما عملکرد رقابتی روش پیشنهادی را نسبت به راه حل های موجود از طریق مطالعات عددی گسترده نشان می دهیم.