选择偏倚下利用电子健康记录进行患者招募：一种两阶段抽样框架
统计方法学
2023-12-14 v2
摘要
电子健康记录（EHRs）日益被认为是临床研究中具有成本效益的患者招募资源。然而，如何最优地从数百万个体中选择一个队列以回答感兴趣的科学问题仍不清楚。考虑一项估计昂贵结局的均值或均值差异的研究。在患者健康记录中通常可获得可预测结局的廉价辅助协变量，这提供了选择性招募患者从而可能提高下游分析效率的机会。在本文中，我们提出了一种利用 EHR 数据中辅助协变量可用信息的两阶段抽样设计。将 EHR 数据用于多阶段抽样的一个关键挑战是潜在的选择偏倚，因为 EHR 数据不一定代表目标人群。扩展现有的两阶段抽样设计文献，我们推导了一种最优两阶段抽样方法，在考虑 EHR 数据中潜在选择偏倚的同时，比随机抽样提高效率。我们通过模拟研究以及一项利用 Michigan Genomics Initiative（密歇根医学中的纵向生物样本库）数据评估美国成人高血压患病率的申请，展示了我们抽样设计带来的效率提升。
引用
@article{arxiv.2011.06663,
title = {Patient Recruitment Using Electronic Health Records Under Selection Bias: a Two-phase Sampling Framework},
author = {Guanghao Zhang and Lauren J. Beesley and Bhramar Mukherjee and Xu Shi},
journal= {arXiv preprint arXiv:2011.06663},
year = {2023}
}