统计学 > 方法论
            [提交于 2024年5月17日
            
            
            
            ]
          
          标题: 基于伪结果的框架分析电子健康记录中生存数据的治疗异质性
标题: A pseudo-outcome-based framework to analyze treatment heterogeneity in survival data using electronic health records
摘要: 精准医疗的一个重要方面集中在由于患者特征的独特性而产生的治疗反应多样性上,这亦被称为异质性治疗效果(HTE),并识别出具有增强治疗效果的有益亚组。 在观察研究中使用右删失数据估计HTE仍然充满挑战。 本文提出了一种基于伪效应量的框架来分析生存数据中的HTE,该框架包括一系列用于估计HTE的元学习器,一个用于识别预测HTE变量的变量重要性度量,以及一个自适应的数据选择程序以选择具有增强治疗效果的亚组。 我们在多种观察研究设置下评估了该框架的有限样本性能。 此外,我们应用所提出的方法,利用一个大型哮喘电子健康记录数据集(该数据集包含了从新冠疫情前到后的就诊记录扩展)来分析书面哮喘行动计划(WAAP)对因哮喘加重导致的时间至急诊科(ED)回归的治疗异质性。 我们确定了哮喘结局较差但从WAAP中获益更多的脆弱患者亚组,并刻画了患者特征。 我们的研究为医疗保健提供者提供了宝贵的见解,特别是在公共健康危机期间如何战略性地分发WAAP,最终改善儿童哮喘的管理和控制。
文献和引用工具
与本文相关的代码,数据和媒体
            alphaXiv (什么是 alphaXiv?)
          
        
            CatalyzeX 代码查找器 (什么是 CatalyzeX?)
          
        
            DagsHub (什么是 DagsHub?)
          
        
            Gotit.pub (什么是 GotitPub?)
          
        
            Hugging Face (什么是 Huggingface?)
          
        
            带有代码的论文 (什么是带有代码的论文?)
          
        
            ScienceCast (什么是 ScienceCast?)
          
        演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.