Recovering Incomplete Clustered Binary Data in Longitudinal Electronic Health Records Using Multiple Imputation
本論文は、電子健康記録における欠損のある高次元縦断的バイナリデータを効果的に復元し、既存の手法と比較して疫学的推定におけるバイアスを大幅に軽減する、計算量のスケーラブルな多重代入法として、クラスター化ロジスティック因子・ランダム効果(CLF-RE)フレームワークを導入し、検証するものである。