用于分配出院后干预以预防再入院的可解释（而非仅事后可解释）异质生存者偏倚校正治疗效应

我们使用生存分析来量化出院后评估与管理（E/M）服务在预防医院再入院或死亡方面的影响。我们的方法避免了将机器学习应用于该问题时的一个特定陷阱，即由于生存者偏倚而导致的干预效应估计膨胀——其中膨胀幅度可能以人群中的异质混杂因素为条件。该偏倚之所以产生，仅仅是因为要在出院后接受干预，一个人必须在间隔期内未被再入院。在推导出这一幻影效应的表达式后，我们在一个固有可解释的贝叶斯生存框架内控制了该偏倚及其他偏倚。我们确定病例管理服务在总体上对降低再入院最为有效。