Improved generalized raking estimators to address dependent covariate and failure-time outcome error.
Improved generalized raking estimators to address dependent covariate and failure-time outcome error.
复制标题
改进的广义耙估计，以解决相关的协变量和故障时间的结果错误。
DOI：
10.1002/bimj.202000187
复制
发表时间：
2021-06
期刊：
影响因子：
--
通讯作者：
Shaw PA
中科院分区：
文献类型：
--
作者：
Oh EJ;Shepherd BE;Lumley T;Shaw PA
使用电子健康记录（EHR）数据进行推断的生物医学研究通常会因测量误差而产生偏差。EHR数据中存在的测量误差通常是复杂的，由协变量中未知函数形式的误差和结果组成，这些误差可能是相关的。为了解决这种错误造成的偏差，最近提出了广义耙作为一个强大的方法，产生一致的估计，而不需要建模的错误结构。我们提供的理由，为什么这些以前提出的耙估计可以预期是低效的故障时间的结果设置涉及错误分类的事件指标。我们提出了耙估计，利用多重插补，插补目标变量或辅助变量，以提高效率。我们还考虑了结果依赖的抽样设计，并研究了它们对耙估计的效率的影响，无论是否有多重插补。我们提出了一个广泛的数值研究，以检查在不同的测量误差设置的估计的性能。然后，我们将所提出的方法应用到我们的激励设置中，在该设置中，我们试图用来自范德比尔特综合护理诊所的EHR数据分析观察队列中的HIV结果。
Biomedical studies that use electronic health records (EHR) data for inference are often subject to bias due to measurement error. The measurement error present in EHR data is typically complex, consisting of errors of unknown functional form in covariates and the outcome, which can be dependent. To address the bias resulting from such errors, generalized raking has recently been proposed as a robust method that yields consistent estimates without the need to model the error structure. We provide rationale for why these previously proposed raking estimators can be expected to be inefficient in failure-time outcome settings involving misclassification of the event indicator. We propose raking estimators that utilize multiple imputation, to impute either the target variables or auxiliary variables, to improve the efficiency. We also consider outcome-dependent sampling designs and investigate their impact on the efficiency of the raking estimators, either with or without multiple imputation. We present an extensive numerical study to examine the performance of the proposed estimators across various measurement error settings. We then apply the proposed methods to our motivating setting, in which we seek to analyze HIV outcomes in an observational cohort with EHR data from the Vanderbilt Comprehensive Care Clinic.
登录
查看更多内容
影响因子：
2
作者：
Chen T;Lumley T
通讯作者：
Lumley T
影响因子：
2.2
作者：
Beresniak, Ariel;Schmidt, Andreas;Dupont, Danielle
通讯作者：
Dupont, Danielle
DOI：
10.1111/j.1751-5823.2011.00138.x
发表时间：
2011-08
期刊：
International statistical review = Revue internationale de statistique
影响因子：
--
作者：
Lumley T;Shaw PA;Dai JY
通讯作者：
Dai JY
影响因子：
1
作者：
Han, Peisong
通讯作者：
Han, Peisong
影响因子：
3.7
作者：
Duda, Stephany N.;Shepherd, Bryan E.;McGowan, Catherine C.
通讯作者：
McGowan, Catherine C.