使用赫克曼选择模型对不完整的多层次数据进行多次归算
Johanna Muñoz1, Orestis Efthimiou2,3, Vincent Audigier4
1Julius Center for Health Sciences and Primary Care, University Medical Center Utrecht, Utrecht University, Utrecht, The Netherlands.
在医学研究中缺少数据,特别是当缺失不是随机 (MNAR) 时,就会带来挑战. 基于Heckman选择模型的新多层次归算方法有效地处理复杂,层次化的数据集中缺失的数据.
科学领域:
- 生物统计学 生物统计学
- 流行病学 流行病学
- 医疗信息学 医疗信息学
背景情况:
- 缺失的数据在医学研究中很普遍,特别是在诸如注册表之类的现实数据源中.
- 传统的多重归算方法对于随机丢失的数据 (MAR) 是有效的,但对于不随机丢失的数据 (MNAR) 则存在困难.
- 在大型多层数据集中,MNAR归算方法的应用仍然不清楚.
研究的目的:
- 探索MNAR数据在等级结构中的后果.
- 提出一种新的多层次归算方法,用于处理聚类数据集中常见的缺失数据模式.
- 评估拟议方法在实际环境中估计疟疾流行率的实用性.
主要方法:
- 开发了一种基于赫克曼选择模型的新型多层次归算方法.
- 采用了两阶段的元分析方法来归纳二进制和连续变量.
- 通过模拟场景验证归算模型,并将其应用于乌干达的跨界社区调查.
主要成果:
- 拟议的多层次归算方法在层次结构内处理MNAR数据方面表现出有效性.
- 该方法成功地将系统地和零星地缺失的二进制和连续变量归入.
- 在乌干达调查中的应用提供了儿童疟疾寄生虫病患病率的估计.
结论:
- 这种新型的多层次归算方法为处理复杂的,集群的医疗数据集中的MNAR数据提供了强大的解决方案.
- 这种方法在存在未观察到的缺失机制的情况下提高了统计推断的有效性.
- 该方法适用于各种数据类型 (二进制,连续) 并可用于结果或预测器.
更多相关视频
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
06:52Using Cholesky Decomposition to Explore Individual Differences in Longitudinal Relations between Reading Skills
Published on: September 17, 2019
相关概念视频
Mechanistic Models: Compartment Models in Individual and Population Analysis
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
Friedman Two-way Analysis of Variance by Ranks
Assumptions of Survival Analysis
Truncation in Survival Analysis
Left truncation occurs when individuals who experienced the event of interest before a certain time are not included in the study. This is often due to a "delayed entry" into the study where only those who survive until a certain entry point are...
One-Way ANOVA: Unequal Sample Sizes
