高维逻辑回归中病例概率的统计推断
统计方法学
2021-10-14 v3 统计理论
统计理论
摘要
在电子健康记录中根据患者是否患有某种疾病或病症（即病例或对照状态）进行标注，日益依赖于利用来自结构化和非结构化电子健康记录数据的高维变量所构建的预测模型。当前的一个主要障碍是缺乏针对病例概率的有效统计推断方法。本文考虑用于预测的高维稀疏逻辑回归模型，通过发展线性化与方差增强技术，提出了一种新颖的病例概率偏差校正估计量。我们建立了所提估计量在高维下对任意载荷向量的渐近正态性。我们构建了病例概率的置信区间，并提出了一种用于患者病例-对照标注的假设检验方法。我们通过广泛的模拟研究以及对真实世界电子健康记录数据的应用，展示了所提出的方法。
引用
@article{arxiv.2012.07133,
title = {Inference for the Case Probability in High-dimensional Logistic Regression},
author = {Zijian Guo and Prabrisha Rakshit and Daniel S. Herman and Jinbo Chen},
journal= {arXiv preprint arXiv:2012.07133},
year = {2021}
}