心血管疾病队列研究中未经裁定事件的贝叶斯方法
统计方法学
2025-06-25 v1
摘要
在队列研究中，对结局和纵向风险因素进行联合建模的一个重要问题是对事件进行准确评估。基于 ICD-9 代码确定的事件可能非常不准确，特别是对于心血管疾病 (CVD)，ICD-9 代码可能高估 CVD 的发生频率。受老年人流行病学研究中心 (EPESE) 队列中缺乏裁定事件的启发，我们开发了利用相关队列——社区动脉粥样硬化风险研究 (ARIC)（同时具有 ICD-9 代码事件和裁定事件）的方法，以创建裁定事件的后验预测分布。这些方法基于构建灵活的贝叶斯联合模型，并结合贝叶斯加性回归树来直接处理 ICD-9 错误分类。我们通过模拟研究评估了我们方法的性能，并将其应用于 ARIC 数据。
引用
@article{arxiv.2506.19066,
title = {A Bayesian approach for unadjudicated events in cardiovascular disease cohort studies},
author = {Mirajul Islam and Michael J. Daniels and Donald Lloyd-Jones and Juned Siddique},
journal= {arXiv preprint arXiv:2506.19066},
year = {2025}
}