国家科技部中国科技论文统计源期刊   中国科技核心期刊   WHO西太平洋地区医学索引(WPRIM)收录期刊   湖北优秀期刊
《药物流行病学杂志》官方网站与投审稿系统变更通知<点击查看详情>
基于Super Learner的边缘结构模型研究及发展
  
DOI:
中文关键词:  Super Learner  边缘结构模型  时依性混杂  逆概率权重  
英文关键词:
基金项目:国家自然科学基金项目(编号:82073671);上海市卫计委优秀青年医学人才培养计划项目(编号:2018YQ47);上海市公共卫生学科带头人项目(编号:GWV-10.2-XD22);上海市公共卫生优青计划项目(编号:GWV-10.2-YQ33);上海市公共卫生体系建设三年行动计划学科建设项目“大数据与人工智能应用”(编号:GWV-10.1-XK5);军队双重建设项目-03;
作者单位
陈晨鑫;郭晓晶;许金芳;梁际洲;韦连慧;陈枭;郑轶;迟立杰;叶小飞;贺佳 中国人民解放军海军军医大学军队卫生统计学教研室 
摘要点击次数: 257
全文下载次数: 204
中文摘要:
      摘要:时依性混杂是纵向观察性研究数据中常见,但较难用传统回归模型控制的特殊混杂。边缘结构模型通过计算逆概率权重对原始人群进行加权,获得新的虚拟人群,消除混杂因素的影响,是目前控制时依性混杂较流行的方法。近年来,随着机器学习的发展,利用数据自适应算法计算逆概率权重的边缘结构模型逐步受到关注。Super Learner是其中较新颖的一种方法,其能很好地规避传统估计逆概率权重方法的缺陷。该文基于前人的相关研究,总结传统边缘结构模型和逆概率权重的构建与计算,介绍Super Learner的构建、优缺点以及目前在药物流行病学相关研究中的实际应用,并提出未来可研究和待解决的问题。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器
关闭