纵向队列研究的合成数据生成——评估、方法扩展与已发表数据分析结果的复现
统计方法学
2023-05-16 v1 机器学习
摘要
获取个体层面健康数据对于获得新见解与推进科学至关重要。特别是基于人工智能的现代方法依赖于大型数据集的可用性与可及性。在卫生领域，由于隐私问题，获取个体层面数据常具挑战性。一个有前景的替代方案是生成完全合成数据，即通过随机过程生成、具有与原始数据相似统计特性但不与原始个体记录一一对应的数据。本研究中，我们使用最先进的合成数据生成方法，并针对营养领域一具体用例对生成数据开展深入质量分析。我们论证了超越描述性统计、对合成数据进行细致分析的必要性，并就如何实现合成数据集的全部潜力提供宝贵见解。通过扩展方法并彻底分析从训练模型采样的影响，我们能够在所选用例中大体复现显著的实际世界分析结果。
引用
@article{arxiv.2305.07685,
title = {Synthetic data generation for a longitudinal cohort study -- Evaluation, method extension and reproduction of published data analysis results},
author = {Lisa Kühnel and Julian Schneider and Ines Perrar and Tim Adams and Fabian Prasser and Ute Nöthlings and Holger Fröhlich and Juliane Fluck},
journal= {arXiv preprint arXiv:2305.07685},
year = {2023}
}