通讯作者: 李姣, li.jiao@imicams.ac.cn

DOI：10.12201/bmr.202203.00015

Machine Learning Methods for Confounding Control in Causal Inference

• 摘要：本文介绍了医学研究中混杂因素对因果推断的影响及常见的混杂因素识别方法,梳理了机器学习方法在因果推断中控制混杂因素的应用,最后讨论了机器学习方法在混杂因素控制中面临的机遇和挑战。

  关键词： 机器学习; 因果推断; 混杂因素控制

   

  Abstract: In this study, we introduced the effects of confounders in causal inference in medical studies and the state-of-art confounder identification methods. Furthermore, we summarized the applications of machine learning methods for controlling confounders in causal inference. Lastly, we discussed the opportunities and challenges face by application of machine learning methods in controlling confounders.

  Key words: Machine learning; Causal inference; Confounding control

  提交时间：2022-03-25

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 金丽珠, 葛辉, 郭青, 李少琼, 杜雪杰. 基于气象因素和机器学习的流感疫情预警研究. 2021. doi: 10.12201/bmr.202012.00008

  冯利, 岳小飞. 9种结合式机器学习算法在基于高维数据的肿瘤早期诊断准确性的比较研究. 2021. doi: 10.12201/bmr.202108.00016

  顾耀文, 李姣. 基于无监督深度学习的电子健康档案数据挖掘技术研究进展. 2021. doi: 10.12201/bmr.202104.00013

  李子昊, 陈漠沙, 马镇新, 尹康平, 童毅轩, 谭传奇, 郎珍珍, 汤步洲. 中文医疗因果关系抽取数据集 CMedCausal. 2022. doi: 10.12201/bmr.202211.00004

  杜明斗. 体力活动-胰岛素敏感性因果关系研究. 2022. doi: 10.12201/bmr.202210.00027

  刘庆金, 王锐, 苗元青. 基于深度学习的无症状心肌缺血动态心电图智能检测研究. 2021. doi: 10.12201/bmr.202111.00009

  朱志文, 齐国强, 杨恺熠, 赵永根, 余卓, 俞刚. 基于多中心横向联邦学习的以咳嗽为第一主诉的儿童疾病医疗数据共享模型. 2022. doi: 10.12201/bmr.202207.00004

  蔡自兴. 智慧医疗的临床应用与技术. 2021. doi: 10.12201/bmr.202012.00013

  刘晓娇, 朱玉婷, 李瑞瑶, 鲍瀛. 基于移动互联网技术的医疗质控平台构建. 2022. doi: 10.12201/bmr.202111.00013

  刘彦钊, 刘东. 新型冠状病毒疫情下区块链技术在我国公立医院管理中的应用研究. 2020. doi: 10.12201/bmr.202003.00070

• 序号	提交日期	编号	操作
  1	2022-02-20	bmr.202203.00015V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论