纵向方法与多重推断,以推断基于登记册的怀孕研究中缺少的母体数据
Takamasa Sakai1,2, Hedvig Nordeng1,3, Marleen M H J van Gelder1
1PharmacoEpidemiology and Drug Safety Research Group, Department of Pharmacy, Faculty of Mathematics and Natural Sciences, University of Oslo, Oslo, Norway.
纵向方法有效地推断出出生登记册中缺少的母体数据,在使用以前和未来怀孕的数据时优于多重归算 (MI). 这种方法提高了研究数据的准确性.
科学领域:
- 流行病学 流行病学
- 生物统计学 生物统计学
- 生殖健康 生殖健康
背景情况:
- 出生登记册经常存在不完整的数据,导致缺失的值.
- 多重推算 (MI) 是处理缺失数据的常用技术.
- 使用同一妇女多次怀孕的数据来提高出生登记册中的MI准确性的实用性尚未得到充分证实.
研究的目的:
- 为了比较五种方法的性能,以推断医疗出生登记册中缺少的母亲特征.
- 评估对MI的纵向方法,结合过去和未来怀孕的数据.
主要方法:
- 利用挪威 (2004-2018) 医疗出生登记处的多胎孕母亲的数据.
- 应用了使用过去,未来和最近怀孕记录的纵向方法.
- 执行单次怀孕MI (仅指数记录) 和多次怀孕MI (指数和最接近的参考记录).
- 通过使用连续变量和二进制变量的特定指标,将推断/输入值与实际值进行比较来评估有效性.
主要成果:
- 纵向方法在连续变量方面表现出最高的准确性,其次是多重怀孕的MI,然后是单一怀孕的MI.
- 对于二进制变量,纵向方法通常与MI相比,产生了优越的有效性参数.
- 多重怀孕的MI显示性能与纵向方法相比,而单一怀孕的MI的一致性明显较低.
结论:
- 纵向方法比MI更有效地推断出医疗出生登记册中缺少的母亲特征.
- 结合来自多胎妊娠的数据可以提高缺失数据归算的准确性.
更多相关视频
11:54Microsatellite DNA Genotyping and Flow Cytometry Ploidy Analyses of Formalin-fixed Paraffin-embedded Hydatidiform Molar Tissues
Published on: October 20, 2019
09:09Generating a Reproducible Model of Mid-Gestational Maternal Immune Activation using PolyI:C to Study Susceptibility and Resilience in Offspring
Published on: August 17, 2022
相关概念视频
Longitudinal Studies
Longitudinal Research
Regression Toward the Mean
Kaplan-Meier Approach
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...
Mechanistic Models: Compartment Models in Individual and Population Analysis
