利用电子健康记录中不完美生存结局信息进行风险预测
统计方法学
2021-03-09 v1
摘要
诸如首次诊断代码时间等 readily available 的疾病发病时间的替代变量，若基于这些较差的替代变量进行分析，可能导致显著的风险预测误差。由于缺乏详细记录且人工标注耗时费力，通常仅能对一小部分样本通过随访时间确定疾病的当前状态，而非确切发病时间。本文旨在开发高效利用少量当前状态标注和大量不完美替代变量未标注观测的发病时间风险预测模型。在发病的半参数变换模型与高度灵活的替代发病时间测量误差模型下，我们提出通过高效结合替代变量与有限标注信息来构建半监督风险预测方法。从仅基于标注子集的初始估计量出发，我们利用全数据针对由替代变量导出的零均值秩相关得分进行一步校正。我们建立了所提半监督估计量的一致性与渐近正态性，并给出用于区间估计的重采样过程。模拟研究表明所提估计量在有限样本下表现良好。我们利用 Partners Biobank 电子健康记录（EHR）数据，通过构建肥胖遗传风险预测模型对所提估计量进行了说明。
引用
@article{arxiv.2103.04409,
title = {Risk Prediction with Imperfect Survival Outcome Information from Electronic Health Records},
author = {Stephanie F. Chan and Jue Hou and Xuan Wang and Tianxi Cai},
journal= {arXiv preprint arXiv:2103.04409},
year = {2021}
}