双删失生存数据下事件率的半监督估计
统计方法学
2023-11-07 v1
摘要
电子健康记录（EHR）已成为转化研究中宝贵的数据来源。为利用 EHR 数据进行风险预测并进而支持临床决策，临床终点通常为感兴趣临床病症的发病时间。临床事件时间的精确信息往往无法直接获得，需要耗费人力的手工图表审查来确认。此外，事件可能发生在医院系统之外，导致左删失和右删失，常称为双重删失。另一方面，诸如首次诊断编码时间等代理变量易于获取，但准确度参差不齐。使用源自这些代理变量的易错事件时间会导致有偏的风险估计，而仅依赖手动标注的事件时间（通常仅对一小部分患者子集可用）则会导致高变异性。这表明需要半监督估计方法，能够有效结合小标注观测子集与大量替代代理的信息。尽管针对二分类和右删失数据的半监督估计方法近期已有发展，但目前在双重删失存在的情况下尚无方法。本文通过利用一小部分金标准标签和大量替代特征，开发了稳健且高效的双删失生存数据事件率半监督估计（SEEDS）方法来填补这一空白。在正则条件下，我们证明所提出的 SEEDS 估计量是一致且渐近正态的。模拟结果表明 SEEDS 在有限样本中表现良好，且相比监督对应方法可显著更高效。我们将 SEEDS 应用于使用来自 Mass General Brigham 的 EHR 数据估计 2 型糖尿病的年龄别生存率。
引用
@article{arxiv.2311.02574,
title = {Semi-supervised Estimation of Event Rate with Doubly-censored Survival Data},
author = {Yang Wang and Qingning Zhou and Tianxi Cai and Xuan Wang},
journal= {arXiv preprint arXiv:2311.02574},
year = {2023}
}
备注
44 pages, 9 figures