用于真实大规模个体层面数据生成的仿真框架及其在健康领域的应用
统计方法学
2021-06-08 v2 应用统计
摘要
我们提出了一种用于复杂系统真实数据生成与仿真的框架，并展示了其在健康领域的能力。该框架的主要用例包括预测危险因素与疾病发生的发展、评估干预与政策决策的影响，以及统计方法开发。我们使用严格的数学定义给出框架的基础。该框架支持对真实人群的校准以及多种操作与数据收集过程。在 R 语言中免费提供的开源实现采用了高效数据结构、并行计算与快速随机数生成，从而确保可复现性与可扩展性。借助该框架，可对数百万个体的群体运行每日层面的仿真，模拟时长可达数十年。关于卒中、2 型糖尿病与死亡率发生的示例说明了该框架在芬兰背景下的用法。在该示例中，我们通过研究非参与对估计风险模型及与控制额外盐摄入相关干预的影响，展示了数据收集功能。
引用
@article{arxiv.2008.13558,
title = {Simulation Framework for Realistic Large-scale Individual-level Data Generation with an Application in the Health Domain},
author = {Santtu Tikka and Jussi Hakanen and Mirka Saarela and Juha Karvanen},
journal= {arXiv preprint arXiv:2008.13558},
year = {2021}
}