电子健康记录派生数据中缺失数据处理策略

电子健康记录（EHR）提供了大量数据，这些数据对于改善以患者为中心的结果至关重要，尽管这些数据可能会带来显著的统计挑战。特别是，EHR 数据包含大量缺失信息，如果不加以解决，可能会降低得出的结论的有效性。妥善处理 EHR 数据中的缺失数据问题的复杂性在于，有时很难区分缺失数据和负值。例如，未记录心力衰竭病史的患者可能确实没有疾病，或者临床医生可能只是没有记录该状况。减少 EHR 系统中缺失数据的方法来自多个角度，包括：增加结构化数据文档、减少数据输入错误以及利用文本解析/自然语言处理。本文重点讨论处理缺失数据的分析方法，主要是多重插补。典型 EHR 系统中可用的广泛变量提供了丰富的信息，以缓解缺失数据可能引起的偏差。缺失数据的概率可能与疾病严重程度和医疗保健利用有关，因为更不健康的患者更可能有合并症，而每次与医疗保健系统的互动提供了记录的机会。因此，任何插补过程应包括评估整体健康状况（例如，查尔森合并症指数）和医疗保健利用（例如，接触次数）的预测变量，即使这些合并症和患者接触与感兴趣的疾病无关。将 EHR 数据与其他信息来源（例如国家死亡指数和人口普查数据）链接也可以提供更少偏倚的插补变量。还需要对 EHR 数据进行额外的方法研究，并改善临床研究人员的流行病学培训。