控制多重数据源中组水平同时信号的错误发现率及其在国家级新冠协作队列数据中的应用
统计方法学
2025-01-30 v2 应用统计
摘要
在使用观测数据进行探索性关联研究时，一个挑战是预测因子与结局之间的关联可能微弱且稀少，且候选预测因子具有复杂的相关结构。错误发现率（FDR）控制程序可为探索性研究中预测因子识别的可重复性提供重要的统计保证。在最近建立的国家级新冠协作队列（N3C）中，关于同一组候选预测因子的电子健康记录（EHR）数据在多个不同站点独立收集，为通过整合不同来源的信息来识别真实关联提供了机会。本文提出一种通用的基于 knockoff 的变量选择算法，用于从组水平条件独立性检验的并集中识别关联（同时信号），并在有限样本设定下提供精确的 FDR 控制保证。该算法可适用于一般回归设定，允许多个数据源中预测因子与结局的异质性。我们通过大量数值研究以及对 N3C 数据的应用展示了该方法的性能。
引用
@article{arxiv.2303.01599,
title = {Controlling FDR in selecting group-level simultaneous signals from multiple data sources with application to the National Covid Collaborative Cohort data},
author = {Runqiu Wang and Ran Dai and Hongying Dai and Evan French and Cheng Zheng},
journal= {arXiv preprint arXiv:2303.01599},
year = {2025}
}