基于贝叶斯嵌套潜类模型的多域口头尸检死因指派
统计方法学
2023-06-26 v3 应用统计
摘要
理解特定原因死亡率对于监测人群健康与设计公共卫生干预至关重要。全球范围内，三分之二的死亡没有指派死因。口头尸检（VA）是一种成熟工具，通过对死者照护者进行调查，收集医院外死亡的描述信息。它在许多低收入和中等收入国家常规实施。使用 VA 指派死因的统计算法通常易受训练模型所用数据与目标人群之间分布偏移的影响。这对分析 VA 提出了重大挑战，因为目标人群中通常没有标记数据。本文提出一个用于 VA 数据的潜类模型框架（LCVA），该框架联合建模在多个异质域上收集的 VA，为目标域外观测指派死因，并估计新域的特定原因死亡分数。我们引入使用嵌套潜类模型对收集症状联合分布的简约表示，并开发了用于后验推断的高效算法。我们证明 LCVA 在预测性能与可扩展性上优于现有方法。本文的补充材料与实现该模型的 R 包可在线获取。
引用
@article{arxiv.2112.12186,
title = {Bayesian Nested Latent Class Models for Cause-of-Death Assignment using Verbal Autopsies Across Multiple Domains},
author = {Zehang Richard Li and Zhenke Wu and Irena Chen and Samuel J. Clark},
journal= {arXiv preprint arXiv:2112.12186},
year = {2023}
}
备注
Main paper: 45 pages, 9 figures. Supplement: 20 pages, 16 figures, 2 tables