基于模型无关纵向变量重要性轨迹摘要的推断及其在自杀预防中的应用

自杀企图的风险随时间变化。理解在精神健康访视中测量的风险因素的重要性，可帮助临床医生评估未来风险并在访视期间提供适当照护。在随时间收集数据的预测设定中（例如精神卫生保健），通常令人感兴趣的是理解各时间点预测响应变量的重要性以及在整个时间序列上汇总的重要性。基于变量重要性度量估计与推断的最新进展，我们定义了变量重要性轨迹的摘要及其相应估计量。无论用于估计预测函数的算法（们）作何选择，相同的推断方法均可应用于这些度量。我们提出了一种非参数高效估计与推断过程，以及一种在原假设检验中即便使用复杂机器学习工具进行预测仍有效的过程。通过模拟，我们证明了所提过程具有良好的运行特性。我们利用这些方法分析来自两个大型卫生系统的电子健康记录数据，以研究自杀企图风险因素的纵向重要性，从而为未来的自杀预防研究与临床工作流提供信息。