从电子处方数据推断慢性治疗开始时间：基于续期过程的方法
机器学习
2026-03-02 v1
摘要
纵向电子健康记录(EHR)数据常常存在左侧截断，导致诊断记录不完整且不可靠，难以确定疾病发生时间。相比之下，门诊处方形成续期基于的轨迹，提供了疾病管理的连续信号。我们提出了一种概率框架，通过将处方动态建模为续期过程，并通过在基线泊松(不规则处方)制度与制度特定的威布尔(持续治疗)续期模型之间的变化点检测来检测从不规则至持续治疗的转变。利用240万人的全国电子处方数据集，我们展示，该方法比基于简单规则的触发方式更能获得符合时间逻辑的发生时间估计，在强左侧截断条件下显著减少了不合理的早期检测。检测性能随疾病而异，且与处方密度密切相关，这凸显了治疗基于发生时间推断的优势与局限。
引用
@article{arxiv.2602.23824,
title = {Inferring Chronic Treatment Onset from ePrescription Data: A Renewal Process Approach},
author = {Pavlin G. Poličar and Dalibor Stanimirović and Blaž Zupan},
journal= {arXiv preprint arXiv:2602.23824},
year = {2026}
}