基于电子健康记录的表型分析的贝叶斯双重特征分配方法
应用统计
2019-02-15 v2
摘要
我们提出一种类别矩阵分解方法，以无监督方式从电子健康记录（EHR）数据推断潜在疾病。潜在疾病被定义为导致一组患者共现症状的未知生物学异常。所提方法基于一种新颖的双重特征分配模型，该模型同时将与类别矩阵的行和列进行特征分配。利用贝叶斯方法，关于已知疾病的先验信息极大提升了潜在疾病的可识别性与可解释性。这包括患者的已知诊断以及疾病与症状的已知关联。我们通过包含错误设定模型的模拟研究以及与稀疏潜在因子模型的比较来验证所提方法。在中国EHR数据的应用中，我们发现了一些有趣的结果，其中部分与相关的临床和医学知识一致。
引用
@article{arxiv.1809.08988,
title = {Bayesian Double Feature Allocation for Phenotyping with Electronic Health Records},
author = {Yang Ni and Peter Mueller and Yuan Ji},
journal= {arXiv preprint arXiv:1809.08988},
year = {2019}
}
备注
32 pages, 8 figures, 1 table