用于分析复杂医疗干预数据的稳健中断时间序列模型
应用统计
2019-03-27 v3
摘要
当前的卫生政策要求更多地使用基于证据的护理服务以改善患者的质量与安全结局。护理服务是复杂的，具有相互作用和相互依赖的组件，这对传统统计分析方法构成挑战，尤其是在对可能由特定护理服务方式改变而“中断”的结局数据时间序列建模时。中断时间序列（ITS）是一种稳健的准实验设计，能够推断干预的有效性并考虑数据依赖性。当前分析 ITS 数据的标准化方法未对干预后变异和相关性的变化进行建模。这是一个关键局限，因为干预很可能改变数据的变异性与依赖性。此外，现有方法要么假设具有瞬时效应的预先指定中断时间点，要么剔除干预效应未完全实现的数据。本文中，我们描述并开发了一种新颖的“Robust-ITS”模型，克服了这些遗漏与局限。Robust-ITS 模型正式对以下方面进行推断：(a) 识别变点；(b) 干预前后相关性的差异；(c) 干预前后结局方差的差异；(d) 干预前后均值的差异。我们通过分析某医院实施并评估一种新的护理服务模型作为关注干预的患者满意度数据来阐释所提方法。Robust-ITS 模型已在 R Shiny 工具箱中实现，供社区免费使用。
引用
@article{arxiv.1707.01861,
title = {A Robust Interrupted Time Series Model for Analyzing Complex Healthcare Intervention Data},
author = {Maricela Cruz and Miriam Bender and Hernando Ombao},
journal= {arXiv preprint arXiv:1707.01861},
year = {2019}
}
备注
37 pages and 6 figures