电子健康记录中多纵向结局的异质性与缺失数据建模
统计方法学
2022-01-12 v1 应用统计
摘要
在电子健康记录（EHRs）中，潜在患者子组可能在其纵向健康轨迹上表现出独特模式。对此类数据，增长混合模型（GMMs）能够基于个体轨迹与假设的风险因素将患者分类至不同潜类。然而，GMMs 的应用受限于 EHRs 中特殊的缺失数据问题，其表现为两种患者主导的缺失过程：就诊过程，以及在患者就诊条件下某 EHR 变量的应答过程。若任一过程与生成纵向结局的过程相关，则有效推断需考虑不可忽略缺失数据机制。我们提出一种贝叶斯共享参数模型，通过离散潜类变量将多纵向健康结局的 GMMs、就诊过程及每次就诊时各结局的应答过程相联结。我们关注可有临床规定就诊计划的多纵向健康结局。我们在关于幼儿体重与身高 z 评分的 EHR 测量中演示了我们的模型。借助数据模拟，我们阐明了该方法在子组特定或边际推断上的统计性质。我们构建了 R 包 EHRMiss 用于模型拟合、选择与检查。
引用
@article{arxiv.2103.11170,
title = {Modeling Heterogeneity and Missing Data of Multiple Longitudinal Outcomes in Electronic Health Records},
author = {Rebecca Anthopolos and Ying Wei and Qixuan Chen},
journal= {arXiv preprint arXiv:2103.11170},
year = {2022}
}
备注
Main text: 15 pages, 4 figures