hte-prediction-rcts:预测RCT的治疗效果（循环

从随机试验数据预测患者的个体治疗效果 最后更新时间：2019年2月。 随附本文的代码： 。 Tony Duan，Pranav Rajpurkar，Dillon Laird，Andrew Y.Ng，Sanjay Basu。 发行量：CQO ，2019 具有随机森林的X学习器 可以在lib/xlearner-rf.R找到使用随机森林基础学习者训练X学习器[1]的R代码。 默认情况下，它可以进行袋外预测，尽管可以通过更改predict_oob标志进行修改。 评估 我们的评估代码位于src/evaluate.py ，其Python实现为： 受益的C统计[2] 受限平均生存时间（RMST）的决策值[3,4] 预测曲线与观察到的绝对风险降低之间的校正曲线 对于所有统计数据，我们通过对数据集进行分层重采样来计算引导程序置信区间。 示例计算器 为了提高解释性，我们制作了一个演示计算器，用于预测强