具有复发事件的层次生存数据上的风险调整发病建模
统计方法学
2022-07-27 v1 应用统计
摘要
许多医疗项目持续需要及时解决感染预防与控制(IP&C)方面的问题。例如，即便在现有推荐IP&C措施下，病原体仍可在医疗系统内囊性纤维化(CF)患者的住院与门诊环境中传播，且这些病原体常与负面临床结局相关。由于数据共享有限且滞后，CF项目需要可靠方法来追踪感染率。CF登记数据中存在三种复杂结构：复发感染、缺失数据，以及因患者内重复测量与患者间传播而产生的多水平相关性。我们提出了一个逐步分析流程，用于开发与验证一种风险调整模型，以帮助医疗项目监测复发事件数量，同时考虑右删失数据中缺失数据及重复测量的层次结构。我们扩展了混合效应Andersen-Gill模型(脆弱性模型)，对重要风险因素进行调整，并为预测事件数提供了置信区间，其中预测的变异性由三个已识别来源估计。所估计置信区间的覆盖率被用于评估模型性能。仿真结果表明，我们方法的覆盖率接近期望置信水平。为证明其临床实用性，我们的流程被应用于利用美国登记数据监测两种关键CF病原体的感染发病率。结果显示，在CF示例中，更接近关注时间的年份能更好地预测未来发病率。
引用
@article{arxiv.2207.12992,
title = {Risk-Adjusted Incidence Modeling on Hierarchical Survival Data with Recurrent Events},
author = {Xiaotong Jiang and William Stoudemire and Marianne S. Muhlebach and Michael R. Kosorok},
journal= {arXiv preprint arXiv:2207.12992},
year = {2022}
}