利用存在非随机缺失的协变量建模 COVID-19 发病率的种族/族裔差异
统计方法学
2024-04-10 v2 应用统计
摘要
表征 COVID-19 按种族/族裔的累积负担对于公共卫生研究者和政策制定者设计有效缓解措施至关重要。然而，该分析受到监测病例数据中种族和族裔协变量大量缺失的阻碍。更糟糕的是，这种缺失可能依赖于这些缺失协变量的值，即它们非随机缺失（NMAR）。我们提出一种贝叶斯参数模型，该模型利用疾病与协变量缺失过程的空间变化联合信息，并可容纳 MAR 和 NMAR 缺失。我们表明，当人群协变量的空间分布已知且观测病例可关联到空间观测单元时，模型局部可识别。我们还通过模拟研究考察模型的有限样本表现。我们将模型在 NMAR 数据上的表现与完整病例分析和多重插补（MI）进行比较，后两者是公共卫生研究者在面对缺失分类协变量时常用的方法。最后，我们利用密歇根州卫生与公共服务部的数据建模密歇根州韦恩县 COVID-19 累积发病率的空间变化。分析表明，在疫情早期，当缺失种族的病例被丢弃或使用 MI 插补时，密歇根州非白人居民相对于白人居民的人群相对风险估计被低估。
引用
@article{arxiv.2206.08161,
title = {Modeling racial/ethnic differences in COVID-19 incidence with covariates subject to non-random missingness},
author = {Rob Trangucci and Yang Chen and Jon Zelner},
journal= {arXiv preprint arXiv:2206.08161},
year = {2024}
}