Recovering Incomplete Clustered Binary Data in Longitudinal Electronic Health Records Using Multiple Imputation
यह शोध पत्र क्लस्टर्ड लॉजिस्टिक फैक्टर विद रैंडम इफेक्ट्स (CLF-RE) फ्रेमवर्क को एक कम्प्यूटेशनल रूप से स्केलेबल मल्टीपल इम्प्यूटेशन पद्धति के रूप में प्रस्तुत और मान्य करता है जो इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स में अपूर्ण, उच्च-आयामी अनुदैर्ध्य बाइनरी डेटा को प्रभावी ढंग से पुनर्प्राप्त करता है, और मौजूदा दृष्टिकोणों की तुलना में महामारी विज्ञान संबंधी अनुमानों में पूर्वाग्रह को महत्वपूर्ण रूप से कम करता है।