面向住院再入院预测的异质性感知回归：非参数估计与结构化选择
统计方法学
2025-07-10 v1
摘要
再入院预测是临床中的关键但具有挑战性的任务，由于高维协变量与再入院之间的内在关系复杂且呈现异质性。尽管存在这种复杂性，但模型应具备可解释性，以帮助医生理解个体的风险预测。再入院往往呈现异质性，因为因不同原因住院的患者，尤其是在不同的临床诊断组之间，后续再入院风险有显著差异。为实现兼顾灵活性和可解释性的建模，同时考虑患者异质性，我们提出一种新型的分层-结构化核方法，通过稀疏诱导核求和实现变量选择。具体而言，我们设计的组别特定核函数在不同临床组之间呈现差异，其差异程度由再入院风险的底层异质性所支配；当异质性最小时，组别特定核函数自然对齐，趋向于跨组共享的结构。此外，通过允许变量重要性在相互作用中自适应变化，我们的方法能够更精确地刻画高阶效应，优于通过函数方差ANOVA捕获非线性和高阶相互作用的现有方法。大量模拟研究和一个血液学再入院数据集（n=18,096）显示，我们的方法在患者子群（AUROC, PRAUC）方面优于Lasso和XGBoost。此外，我们的模型提供了关于变量重要性和组别异质性的可解释见解。
引用
@article{arxiv.2507.06388,
title = {Heterogeneity-Aware Regression with Nonparametric Estimation and Structured Selection for Hospital Readmission Prediction},
author = {Wei Wang and Angela Bailey and Christopher Tignanelli and Jared D. Huling},
journal= {arXiv preprint arXiv:2507.06388},
year = {2025}
}