电子健康记录中使用纵向分析时，为何应提取推荐就诊间隔：检验访问机制及对非随机评估的敏感性
统计方法学
2024-06-07 v1
摘要
电子健康记录（EHR）提供了一种高效生成丰富纵向数据集的方法。然而，由于患者按需就诊，评估时间通常不规则且可能与患者健康状况相关。未能考虑这一信息性评估过程可能导致疾病进程的估计偏差。本文我们展示了如何通过利用EHR中常用的但未被充分利用的一条信息来增强疾病轨迹的估计：医生对患者就诊之间推荐的间隔。具体而言，我们演示了如何使用推荐间隔来描述评估过程，并在评估非随机（ANAR）的情况下检验结果的敏感性。我们以一种门诊性青少年皮肤母症（JDM）队列研究为例。在该研究中，我们发现推荐间隔解释了评估时间的78%的变异性。在一种特定情况下的ANAR假设下，我们假设疾病恶化导致患者早于推荐时间就诊，估计的population average disease activity trajectory相对于假设按随机方式评估的轨迹向下偏移。这些结果表明，推荐间隔在通过允许我们评估AAR假设的可行性以及结果对此假设的偏离程度的敏感性方面发挥着关键作用。因此，我们建议使用不规则纵向数据 study 应提取推荐就诊间隔并遵循我们的程序将其纳入分析。
引用
@article{arxiv.2406.04077,
title = {Why recommended visit intervals should be extracted when conducting longitudinal analyses using electronic health record data: examining visit mechanism and sensitivity to assessment not at random},
author = {Rose Garrett and Masum Patel and Brian Feldman and Eleanor Pullenayegum},
journal= {arXiv preprint arXiv:2406.04077},
year = {2024}
}