测试因果解释：关于慢性肾病干预效果的案例研究
机器学习
2024-10-21 v2 统计方法学
摘要
随机对照试验 (RCT) 是评估临床干预效果的标准方法。为解决 RCT 在现实人群中的局限性，我们开发了一种方法，利用大型观察性电子健康记录 (EHR) 数据集。采用回归不可连续 (rd) 原理，从中派生随机数据子集，以动态贝叶斯网络 (DBN) 的 do 操作测试专家驱动的干预。该组合方法应用于超过 200 万人的慢性肾病 (CKD) 队列，用于理解 CKD 变量与 >=40% 血清肌酐清除率 (eGFR) 估计下降这一代理终点的关联性与因果关系。关联分析和因果分析在两个独立医疗系统的 DBN 中显示出类似的发现。关联分析显示，最具影响力的变量为 eGFR、尿蛋白/肌酐比率和脉搏压，而因果分析显示 eGFR 为最具影响力的变量，其后是可能随时间影响肾功能的可干预因素，如药物。这一方法表明，如何利用现实世界的 EHR 数据提供群体水平的见解，以 Inform improved healthcare delivery。
引用
@article{arxiv.2410.12047,
title = {Testing Causal Explanations: A Case Study for Understanding the Effect of Interventions on Chronic Kidney Disease},
author = {Panayiotis Petousis and David Gordon and Susanne B. Nicholas and Alex A. T. Bui},
journal= {arXiv preprint arXiv:2410.12047},
year = {2024}
}