| 研究課題/領域番号 |
20K20247
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90140:医療技術評価学関連
|
|---|
| 研究機関 | 大阪公立大学 (2022-2023)
大阪市立大学 (2020-2021) |
|---|
研究代表者 |
加葉田 大志朗 大阪公立大学, 大学院医学研究科, 特任助教 (40793435)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 因果推論 / 機械学習 / 観察研究 / データベース |
|---|
| 研究成果の概要 |
本課題はDouble/debiased Machine Learning（DML）推定量における機械学習による局外関数推定時の変数選択に焦点をおいて，（１）結果変数適応型の機械学習手法を用いたDML推定量の提案と理論的妥当性の評価，（２）広範な状況下における従来法との結果の際の評価，（３）臨床研究データへの応用を目的として取り組んだ．上記成果をまとめた論文を4編執筆し，それぞれ査読付き国際学術誌に採録された．
|
| 自由記述の分野 |
生物統計
|
| 研究成果の学術的意義や社会的意義 |
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．
|
