Variable selection for causal inference approach using machine learning methods

2023 Fiscal Year Final Research Report

• Project/Area Number: 20K20247
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 90140:Medical technology assessment-related
• Research Institution: Osaka Metropolitan University (2022-2023); Osaka City University (2020-2021)
• Principal Investigator: Kabata Daijiro 大阪公立大学, 大学院医学研究科, 特任助教 (40793435)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 因果推論 / 機械学習 / 観察研究 / データベース

Outline of Final Research Achievements

This project focused on variable selection during nuisance function estimation with machine learning in Double/debiased Machine Learning (DML) estimators. It involved: (1) proposing a DML estimator using outcome-adaptive machine learning methods and assessing its theoretical validity, (2) evaluating the results under various conditions compared to typical methods, and (3) applying the proposed estimator to the clinical research data. We compiled the results into four papers, each of which was accepted by peer-reviewed international scientific journals.

Free Research Field

生物統計

Academic Significance and Societal Importance of the Research Achievements

既存のデータベースなどを用いた研究は倫理的な制約がなく，研究対象者が被り得るリスクが小さいというメリットがある．一方で，分析結果の妥当性や再現性に懸念が残ることも多く，より適切な解析の実施が求められる．特に膨大な情報を扱うデータベース研究では，どのような特性情報を利用するかによって，その結果は大きく変化し得る．
本課題では膨大な特性情報の中から，適切な治療効果の推定に役立つ情報の選定方法を提案することによって，上記の課題の克服への寄与を目指した．本課題で得られた成果は，データベースを用いた解析の妥当性や再現性を向上させ，データベースを利活用したエビデンス構築に寄与するものであると考える．