Recovering Incomplete Clustered Binary Data in Longitudinal Electronic Health Records Using Multiple Imputation
본 논문은 전자 건강 기록 내의 불완전한 고차원 종단적 이진 데이터를 효과적으로 복구하여 기존 방식에 비해 역학적 추정치의 편향을 유의미하게 줄이는 계산 가능한 확장성을 갖춘 다중 대치 방법으로서, 클러스터 로지스틱 요인 및 랜덤 효과(Clustered Logistic Factor with Random Effects, CLF-RE) 프레임워크를 소개하고 검증한다.