整合自发报告系统数据以辅助纵向医疗数据中的因果推断
计算工程、金融与科学
2016-11-17 v1
摘要
由于数据收集方式的被动性，利用纵向观测数据库推断因果关系是具有挑战性的。在纵向观测数据中发现的大部分关联通常是非因果的，并且由混杂因素导致。本文的重点是研究整合来自额外数据库的信息以补充纵向观测数据库分析。我们研究处方药物副作用的检测，因为这是因果关系的一个例子。在先前工作中提出了仅使用纵向数据检测副作用的框架。本文中，我们将从挖掘自发报告系统数据库得到的关联度量，与先前提出的、为英国全科纵向数据库的因果分析提取领域专家特征的分析相结合。结果表明，当纵向观测数据分析通过纳入额外的药物安全来源进行补充时，处方药物副作用检测的性能有显著提升。在考虑其他数据时正确分类副作用的受试者工作特征曲线下面积（AUC）为 0.967，而不考虑时为 0.923。然而，本文结果可能受评估偏差影响，未来工作应通过开发无偏参考集来克服这一点。
引用
@article{arxiv.1502.05938,
title = {Incorporating Spontaneous Reporting System Data to Aid Causal Inference in Longitudinal Healthcare Data},
author = {Jenna Reps and Uwe Aickelin},
journal= {arXiv preprint arXiv:1502.05938},
year = {2016}
}
备注
IEEE International Conference of Data Mining: The Fifth Workshop on Biological Data Mining and its Applications in Healthcare, 2014