基于Super Learner的边缘结构模型研究及发展 |
| |
引用本文: | 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.基于Super Learner的边缘结构模型研究及发展[J].药物流行病学杂志,2022(2):101-106. |
| |
作者姓名: | 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 |
| |
作者单位: | 中国人民解放军海军军医大学军队卫生统计学教研室 |
| |
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; |
| |
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。
|
关 键 词: | Super Learner 边缘结构模型 时依性混杂 逆概率权重 |
|
|