将存在误分类的电子健康记录结局与非概率样本的验证结局相整合
统计方法学
2025-03-05 v1
摘要
尽管电子健康记录（EHR）越来越多地被用于研究，但其往往缺乏对关键数据元素的金标准评估。将 EHR 与具有更高质量测量的其他数据源进行链接可以改善统计推断，但如果所链接的数据源来自非概率样本，此类分析必须考虑选择偏差。我们提出了一组新的估计量，以平均处理效应（ATE）为目标，将来自大规模、具有人群代表性的 EHR 数据库中存在测量误差的二分类结局信息，与来自较小且存在选择偏差的验证样本的金标准结局信息相结合。我们在大量模拟和一项对 Adult Changes in Thought (ACT) 研究数据的分析中评估了我们的方法，该研究是一项对 Kaiser Permanente Washington 成员队列中痴呆发病率进行纵向研究并链接了 EHR 数据的项目。对于在死前同意进行脑尸检的 ACT 死亡参与者子集，拥有阿尔茨海默病神经病理学的金标准测量结果。我们提出的估计量减少了 ATE 的偏差并提高了效率，从而在关键数据元素存在测量误差的情况下促进了基于 EHR 数据的有效推断。
引用
@article{arxiv.2503.02071,
title = {Integrating Misclassified EHR Outcomes with Validated Outcomes from a Non-probability Sample},
author = {Jenny Shen and Dane Isenberg and Kristin A. Linn and Rebecca A. Hubbard},
journal= {arXiv preprint arXiv:2503.02071},
year = {2025}
}