smdi:一个R包,用于在现实世界证据研究中对部分观察到的混因子进行结构性缺失数据调查
Janick Weberpals1, Sudha R Raman2, Pamela A Shaw3
1Division of Pharmacoepidemiology and Pharmacoeconomics, Department of Medicine, Brigham and Women's Hospital, Harvard Medical School, Boston, MA 02120, United States.
本研究介绍了smdi R包,用于诊断电子健康记录 (EHR) 中缺少的数据. 它帮助研究人员通过验证缺失假设来选择适合因果推理的统计方法.
科学领域:
- 生物统计学 生物统计学
- 医疗信息学 医疗信息学
- 因果推理因果推理
背景情况:
- 在电子健康记录 (EHR) 中部分观察到的混数据对因果推断提出了重大挑战.
- 像归算这样的现有分析方法需要验证潜在的缺失模式和机制.
研究的目的:
- 开发一套工具来简化EHR数据中的缺失数据诊断.
- 根据缺少数据的经过验证的假设,指导选择合适的分析方法.
主要方法:
- 结构性缺失数据调查 (smdi) R包的开发.
- 该包基于对电子健康记录中常见缺失数据机制的结构假设的模拟研究.
主要成果:
- 该 smdi 包促进了在部分观察到的混因子中缺乏数据的原则性调查.
- 它提供了可视化,描述和从观察到的数据中推断缺失模式和机制的功能.
结论:
- 在CRAN上提供smdi R包,提供了对缺失数据的宝贵见解.
- 它旨在通过改善缺少数据的处理来提高现实世界的证据研究的稳定性.
更多相关视频
06:26Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images SDM-PSI
Published on: November 27, 2019
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
相关概念视频
Mechanistic Models: Compartment Models in Individual and Population Analysis
Statistical Software for Data Analysis and Clinical Trials
Censoring Survival Data
