Recovering Incomplete Clustered Binary Data in Longitudinal Electronic Health Records Using Multiple Imputation
Diese Arbeit führt das Clustered Logistic Factor with Random Effects (CLF-RE)-Framework als eine rechnerisch skalierbare Methode der multiplen Imputation ein und validiert dieses, welche unvollständige, hochdimensionale longitudinale binäre Daten in elektronischen Gesundheitsakten effektiv rekonstruiert und dadurch die Verzerrung epidemiologischer Schätzungen im Vergleich zu bestehenden Ansätzen signifikant reduziert.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, ein riesiges Puzzle zu lösen, aber jedes Mal, wenn Sie auf den Karton schauen, hat jemand heimlich ein paar Teile entfernt. In der Welt der medizinischen Wissenschaft bestehen diese Puzzles oft aus Daten, die über viele Jahre hinweg von Patienten gesammelt wurden, bekannt als „longitudinale“ Studien. Manchmal sind die Teile nicht nur weg; sie fehlen in einem spezifischen Muster. Wenn ein Patient zum Beispiel einen Zahnschmerz hat, schreibt ein Zahnarzt dies vielleicht sorgfältig auf, aber wenn der Zahn völlig gesund aussieht, überspringt er das Aufschreiben vielleicht, um Zeit zu sparen. Dies erzeugt ein „hierarchisches“ Problem: Die Daten sind nicht nur eine flache Liste; sie sind in Schichten organisiert. Stellen Sie sich einen Patienten als eine große Box vor, in dieser Box befinden sich seine Zähne, und in jedem Zahn gibt es winzige Stellen, an denen der Zahnarzt nach Parodontalerkrankungen sucht. Wenn der Zahnarzt einige Stellen nicht überprüft, wird das gesamte Bild der Gesundheit des Patienten verschwommen. Wissenschaftler sorgen sich darum, dass sie, wenn sie versuchen, die Ursachen von Krankheiten anhand dieser verschwommenen Bilder zu untersuchen, die falsche Antwort erhalten könnten – etwa indem sie glauben, ein Risikofaktor (wie Rauchen) sei weniger gefährlich, als er in Wirklichkeit ist.
Diese Arbeit befasst sich mit einer sehr spezifischen, hochriskanten Version dieses Puzzles: den Zahndaten. Zahnärzte untersuchen bei einem Besuch bis zu 192 winzige Stellen im Mund eines Menschen. In der Realität überprüfen sie jedoch selten alle 192 Stellen bei jedem Besuch. Die Forscher fragten sich: Können wir mit Mathematik die fehlenden Stellen genau genug „erraten“, um das verschwommene Bild zu korrigieren? Sie testeten eine neue Methode namens „Clustered Logistic Factor“ (CLF) Imputation. Denken Sie bei dieser Methode an einen superintelligenten Detektiv, der weiß, dass wenn eine Stelle an einem Zahn krank ist, die Stellen direkt daneben wahrscheinlich auch krank sind, und dass wenn ein Patient bei einem Besuch schlechtes Zahnfleisch hatte, er dies wahrscheinlich auch beim letzten Mal hatte. Das Team verglich diesen Detektiv mit anderen Methoden, wie einem einfachen Ratenden, der nur auf den gesamten Patienten schaut, ohne die winzigen Stellen zu bemerken, oder einer komplexen Maschine, die versucht, jede einzelne Verbindung zu speichern, sich aber bei zu viel Mathematik so sehr überfordert fühlt, dass sie abstürzt, wenn es zu viele Patienten gibt.
Das Hauptergebnis ist, dass das durch fehlende Daten verursachte „verschwommene Bild“ ein ernstes Problem darstellt. Als die Forscher fehlende Daten simulierten, fanden sie heraus, dass die Verbindung zwischen Risikofaktoren (wie Rauchen, Diabetes und Alter) und dem Fortschreiten der Parodontalerkrankung um bis zu das Vierfache abgeschwächt wurde. Es war, als ob die Krankheit ihre wahre Stärke verbarg. Doch als sie ihre neue CLF-Detektivmethode verwendeten, um die fehlenden Stellen aufzufüllen, wurde das Bild wieder scharf. Die Methode konnte die wahre Stärke dieser Verbindungen erfolgreich wiederherstellen und reduzierte den Fehler im Vergleich zum bloßen Betrachten der unvollständigen Daten um das 3- bis 15-fache.
Die Arbeit argumentiert auch explizit gegen einige gängige Ansätze. Sie zeigt, dass eine einfache Methode namens „K-Nearest Neighbors“ (die darauf basiert, wie ähnlich Patienten insgesamt sind) schlecht abschneidet – wie ein Detektiv, der die spezifische Anordnung des Puzzles ignoriert. Sie demonstriert zudem, dass eine komplexere, Standardmethode namens „MICE-2l.bin“, die versucht, jede Ebene der Hierarchie zu berücksichtigen, zu schwerfällig für Computer ist, um sie bei vielen Patienten zu handhaben; sie läuft buchstäblich in den Speicherüberlauf und stürzt ab, sobald mehr als 100 Menschen untersucht werden. Die Autoren schlagen vor, dass eine einfachere Methode (MICE-logreg) zwar genauso gut wie ihre neue Methode bei der Vorhersage einzelner Stellen funktioniert, ihre neue CLF-Methode jedoch die einzige ist, die sowohl intelligent genug ist, um die „geclusterte“ Natur der Zähne zu verstehen, als auch leicht genug, um auf einem Standardcomputer für große Gruppen zu laufen.
Als sie dies an realen Daten von 721 Patienten in Singapur testeten, waren die Ergebnisse augenöffnend. Die unvollständigen Aufzeichnungen hatten das tatsächliche Ausmaß der leichten bis mittelschweren Parodontalerkrankung verborgen. Durch das Auffüllen der Lücken fanden die Forscher heraus, dass die tatsächliche Prävalenz dieser Krankheit um 7 bis 11 Prozentpunkte höher war, als es die unvollständigen Aufzeichnungen zeigten. Es stellte sich heraus, dass die „fehlenden“ Daten nicht zufällig waren; das System hat frühe Stadien von Problemen systematisch untererfasst. Die Arbeit kommt zu dem Schluss, dass ihre Methode zwar kein Zauberstab ist, der alles perfekt löst (sie hat immer noch Schwierigkeiten, wenn die fehlenden Daten perfekt an die Krankheit gebunden sind, was die Regeln der Wahrscheinlichkeit bricht), aber ein praktisches, skalierbares Werkzeug ist, das Epidemiologen helfen kann, das wahre Ausmaß von Krankheiten in elektronischen Gesundheitsakten zu erkennen und so zu verhindern, dass sie das Ausmaß der Lage unterschätzen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.