基于本体的大型频率表数据挖掘及其在疫苗不良事件报告系统中的应用
应用统计
2020-10-26 v1
摘要
疫苗安全性是公众关切的问题，许多信号检测方法已被开发用于识别疫苗与不良事件（AEs）之间的相对风险。这些方法通常聚焦于单个AE，数据随机性高，结果往往不准确且缺乏临床意义。AE本体包含关于AE生物学相似性的信息。基于此，我们将相对风险（RRs）的概念扩展至AE组水平，从而通过利用整个组的数据实现更准确且有意义的估计。本文中，我们提出基于零膨胀负二项分布的zGPS.AO方法（结合AE本体的零膨胀Gamma Poisson收缩器）。该模型有两个目的：一个估计组水平RRs的回归模型，以及一个评估AE水平RRs的经验贝叶斯框架。回归部分可处理数据中的过多零与过离散，经验方法从组水平和AE水平借用信息以降低数据噪声并稳定AE水平结果。我们用模拟数据证明了模型的无偏性和低方差特征，并在VAERS（疫苗不良事件报告系统）数据库上获得了与既往研究一致的有意义结果。所提方法已在R包zGPS.AO中实现，可从综合R存档网络CRAN安装。VAERS数据结果使用交互式网页应用Rshiny进行可视化。
引用
@article{arxiv.2010.12471,
title = {Data Mining in Large Frequency Tables With Ontology, with an Application to the Vaccine Adverse Event Reporting System},
author = {Bangyao Zhao and Lili Zhao},
journal= {arXiv preprint arXiv:2010.12471},
year = {2020}
}
备注
10 pages, 3 figures