集群分离在验证多病态模式方面表现优于其他指标:统计模拟研究

科学领域:

• 医疗保健服务研究 医疗服务研究
• 生物统计学 生物统计学
• 计算生物学 计算生物学

背景情况:

• 多病性,即多种慢性疾病的同时发生,是医疗保健面临的重大挑战.
• 识别不同的多病症集群有助于针对性干预和优化护理.
• 从现实数据中验证这些集群是很困难的,因为没有一个已知的基本真理.

研究的目的:

• 为了统计评估三种常见的验证方法,对多病症集群:集群分离,集群稳定性,与健康结果的关联强度.
• 将这些验证方法的性能与模拟数据集中已知的基本真相进行比较.
• 确定最可靠的方法来评估衍生多病症集群的质量.

主要方法:

• 创建了25个模拟数据集,预先定义了多病症集群,不同的疾病流行率,样本大小和噪音.
• 应用隐性类分析,从模拟数据中推导集群.
• 通过使用调整的兰德指数 (ARI) 作为黄金标准,将衍生集群与预定义的基准真理集群进行比较.

主要成果:

• 用卡林斯基-哈拉巴斯指数衡量的集群分离,显示出与黄金标准最强的一致性 (中位相关性:0.641).
• 通过重新抽样评估的集群稳定性显示出可变的性能 (中位相关性:0.421).
• 与健康结果的关联强度 (Nagelkerke的R2) 与黄金标准的差异一致 (中位相关性: -0.424).

结论:

• 集群分离成为验证多病性集群的最可靠方法.
• 集群稳定性可以是一个有用的验证工具,但它具有固有的局限性.
• 评估与健康结果的关联强度,虽然在临床上是相关的,但不能可靠地验证集群质量.