Data Science
因果推断机会的自动检测：回归断点法中的亚组发现
Author
Venue
ICML、IMLH（非存档类）、TMLR
Abstract
识别因果效应的金标准是随机对照试验（RCT），但RCT未必总能实施。然而，当治疗方案取决于某个阈值时（例如糖尿病诊断的血糖阈值），我们有时仍可通过回归不连续性（RD）方法估计因果效应。 当阈值上下相邻的样本在协变量分布上保持一致，且在存在噪声的情况下不存在混杂因素时，RD方法即成立，从而建立一种“假定随机化”的情形。但在实践中，实施RD研究可能面临困难，因为确定干预阈值需要相当程度的领域专业知识——此外，不同亚组间的阈值可能存在差异（例如，不同人口统计特征群体中糖尿病的血糖阈值可能不同），而忽略这些差异会降低统计功效。 确定阈值及其适用对象是一项重要课题，目前主要由领域专家手动解决；当领域专业知识不足时，则需要数据驱动的方法。本文提出“回归不连续性亚组发现”（RDSGD）——一种能够为RD阈值识别出统计功效高且可解释的亚组的机器学习方法。 我们利用包含超过6000万名患者的医疗索赔数据集，将RDSGD应用于多种临床场景，并识别出在治疗分配阈值下依从性更高的亚组。鉴于治疗阈值对许多疾病及政策决策至关重要，RDSGD可成为发现因果推断新途径的强大工具。
