关于阿片类药物使用障碍的时间影响的通信效率高的联合学习,使用来自分布式研究网络的数据
C Jason Liang1, Chongliang Luo2,3, Henry R Kranzler4
1Biostatistics Research Branch, National Institute of Allergy and Infectious Diseases, Bethesda, MD 20892, United States.
一个新的分布式算法,ODACT,能够对多中心的时间到事件数据进行隐私保护分析,使用时间变化的系数. ODACT准确地估计了影响,超过了传统的元分析方法.
科学领域:
- 生物统计学 生物统计学
- 医疗信息学 医疗信息学
- 分布式计算 (Distributed Computing) 是一种分布式计算.
背景情况:
- 多中心研究对于强大的健康研究至关重要,但由于隐私问题,数据集成面临挑战.
- 传统的考克斯回归模型假定比例危险,这可能不适用于复杂的时间到事件结果.
- 随时间变化的系数对于在纵向健康研究中准确建模不断变化的风险因素至关重要.
研究的目的:
- 开发一种新的分布式算法,以适应具有时间变化的系数的多中心考克斯回归模型.
- 促进跨多个卫生系统的隐私保护数据集成.
- 解决处理分散,时间变化的健康数据的现有方法的局限性.
主要方法:
- 提出了一种一次性分布式算法,以适应具有时间变化系数 (ODACT) 的多中心考克斯回归模型.
- 构建了一个代理概率函数,以使用患者级和汇总数据近似考克斯部分概率.
- 通过模拟研究和现实世界阿片类药物使用障碍 (OUD) 研究在5个临床场所与69,163名受试者验证了ODACT.
主要成果:
- 在模拟中,ODACT精确估计了时间变化的效应,取得了接近于聚合分析的结果.
- 超估计器显示出相当大的偏差,而ODACT在OUD风险因素的估计危险比率中显示出较小的偏差.
- 在现实研究中,ODACT在多个时间点和风险因素中表现优于元估计器.
结论:
- ODACT是一种保护隐私和通信效率高的方法,用于分析具有时间变化的效果的多中心时间到事件数据.
- 该算法提供了与聚合分析可比的估计值,并且明显优于元分析估计值.
- 限制包括依赖每站点足够的隐私数据,以及需要进一步评估隐私泄露风险.
更多相关视频
05:12Chronic Intermittent Ethanol Vapor Exposure Paired with Two-Bottle Choice to Model Alcohol Use Disorder
Published on: June 23, 2023
08:37Fluorescence Activated Cell Sorting FACS and Gene Expression Analysis of Fos-expressing Neurons from Fresh and Frozen Rat Brain Tissue
Published on: August 27, 2016
相关概念视频
Opioid Analgesics: Synthetic and Semisynthetic Opioids
Drug Abuse and Addiction: Pharmacological Phenomena
Substance Use Disorders Affecting Sleep
Understanding the concepts of physical dependence,...
Opioid Analgesics: Morphine and Other Natural Cogeners
Analgesia and Pain Management
Time Course of Drug Effect
