通过过电子健康记录以寻找"完整数据"来引入种族和种族方面的偏见:观察性临床数据分析
Jose Miguel Acitores Cortina1,2, Yasaman Fatapour1,2, Kathleen LaRow Brown3,4
1Department of Computational Biomedicine, Cedars-Sinai Medical Center, 700 North San Vicente Boulevard, Pacific Design Center Suite G540, Los Angeles, CA, 90069, United States, 1 424 315 1031.
生物库中的常用数据过器可以引入种族和种族偏见,不成比例地影响少数群体. 研究人员应仔细选择过器,并披露样本大小,以确保在疾病研究中公平地代表数据.
科学领域:
- 生物医学信息学 生物医学信息学
- 健康 公平 研究 健康 公平 研究
- 在医疗保健中的数据科学.
背景情况:
- 国家生物库的综合临床数据库对于疾病研究至关重要.
- 数据质量过器对于建立临床队列至关重要,但可以引入与种族和种族相关的系统偏见.
- 这些偏见可能无意中将少数群体从研究中排除在外.
研究的目的:
- 通过将共同的数据过器应用于临床记录数据库来检查引入的种族和种族偏见.
- 评估这些过器是否不成比例地将少数群体排除在研究队伍之外.
- 了解数据过器对跨种族和种族群体的样本代表性的影响.
主要方法:
- 将19个常用数据过器应用于来自4个不同地理位置的电子健康记录数据集,共计近1200万名患者.
- 对每个过器单独分析了自我报告的种族和民族群体样本下降率的变化.
- 包括覆盖人口统计,药物记录,访问细节和观察期的过器.
主要成果:
- 观察期过器显著减少了所有组的数据可用性.
- 在过器应用后,与其他种族群体相比,白人始终具有更高的数据可用性.
- 黑人或非裔美国人受过器影响最大的是四个数据集中的三个.
- "我们所有人"数据集在过器应用后,样本代表性的偏差很小.
结论:
- 数据过器可以不成比例地影响少数种族和族裔人口数据的可用性.
- 研究人员必须考虑和减轻数据过器在健康研究中引入的无意偏见.
- 建议只使用必要的过器,探索偏差最小化技术,并在过前后披露按种族/种族分类的样本大小.
更多相关视频
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
相关概念视频
Data Collection by Observations
An astronomer viewing the motion and brightness of stars in the sky and recording the data is an example of observational data collection. A botanist recording...
Data Collection I
Analysis of Population Pharmacokinetic Data
Bias in Epidemiological Studies
Behavioral Genetics and Its Designs
The primary methodologies used in behavior genetics include family studies, twin studies, and adoption studies, each providing unique...
Investigation of Disease Outbreaks
