基于缺失数据处理模型和LRS理论的痴呆患病率调查中缺失诊断的估计及校正方法研究

It is important to estimate the prevalence of dementia accurately, in terms of objective assessment of the burden of dementia and appropriate allocation of resources for prevention and treatment. However, it is difficult to execute the two-stage cross sectional survey and the non-response rate in the second stage is more than 35%, which significantly impact the accurate estimation of dementia prevalence. As a result, it becomes the hot pot to find out the approach to fill in the missing date and estimate the missing diagnosis of dementia in the second phase. In this study, based on the platform of China Veterans Clinical Research（CVCR）, which aim to investigate the prevalence of dementia through two-stage method, we compared the subjects who response in both 2 stages and non-response in first or second stage and found that there are differences on both demography and cognitive function among these different subgroup subjects. Basically, the cognitive function is worse and non-response rate is higher in second stage than in first stage, hence the prevalence will not be estimated well if investigators do not consider the non-response rate or only consider the general non-response rate combined the two stages. In this study, based on CVCR platform, we will use database without any missing data in both two stages to simulate non-response subjects in second stage and establish simulation data set. Then we will verify the accuracy of estimated prevalence by the common statistic model and statistical machine learning model; and explore the feasibility to estimate the missing diagnosis and adjust the prevalence by LRS theory.

准确的痴呆患病率估计是客观评估痴呆疾病负担的重要基础，对于合理布局痴呆等疾病的防治资源具有重要意义。但是目前采用的两阶段横断面调查实施难度大，第二阶段无应答率往往超过35%，影响了患病率的准确估计。于是，第二阶段痴呆诊断缺失的估计和填补成为了关注的焦点。本研究前期基于中国老年退伍军人慢性非传染性疾病临床研究平台（CVCR）的两阶段痴呆患病率调查，比较了应答对象与一、二阶段无应答对象，发现在人口学特征、认知功能上均存在差异。二阶段调查对象认知功能更差、无应答率更高，因此不考虑无应答，或将一、二阶段无应答合并考虑均不能很好的校正患病率。本研究计划依托CVCR平台数据，基于一、二阶段数据完整的数据集，模拟出二阶段无应答对象，建立模拟数据集。以此验证常用的统计学模型、机器学习模型在估计二阶段缺失诊断、校正患病率中的准确性；利用该数据集探索基于LRS理论在缺失诊断估计和患病率校正中的可行性。

痴呆的诊断较为复杂，需要结合大量的临床数据才能最终确诊。这导致痴呆患病率调查较难实施，无法得到准确的患病率估计；同时对于无法完成调查、确诊者无法估计其最终的认知功能状态。因此本研究基于团队前期构建的老年退伍军人研究（CVCR）平台，探讨了无法完成确诊老年人的影响因素。通过对缺失数据模式的分析和LRS方法的探索，试图构建缺失人群痴呆诊断情况的模型。研究提出了基于实际数据分析缺失人群特征，从而基于完整数据模拟缺失数据集的思路，并在研究中模拟生成了可用于评价不同缺失数据填补方法的模拟缺失数据集。研究基于填补的数据进行了验证性研究，探讨了环境污染物暴露水平与痴呆、MCI的关联，发现了和既往认识相符的结论。研究进一步进行了探索性研究，通过Meta分析提出了数据质量的维度；通过访谈提炼了研究中数据质量评价的要素和框架。.研究发现，基于缺失特征评价的PS分层后的MI填补模式对于痴呆患病率估计可能较为可靠。我们按照分位数将倾向性得分划分为5 层，区间分别为[0.12, 0.34), [0.34, 0.37), [0.37, 0.39), [0.39, 0.43), [0.43, 0.71]。在每一层内分别用Bootstrap 法和有序逻辑回归法对缺失数据进行填补，得到痴呆患病率的估计结果如表4 所示。观测数据上整体的痴呆患病率是0.95% ；倾向性得分分层后用Bootstrap 法估计的痴呆患病率是1.37%，95%置信区间为[1.06%, 1.73%]。在验证性数据应用中发现，PM2.5和PM10每增加10µg/m3，MCI的ORs(和95%CIs)为1.55(1.42,1.7)和1.05(1.00,1.10)。此外，与PM2.5和PM10每增加10µg/m3相比，痴呆患者的ORs(和95%CIs)分别为1.30(1.13,1.48)和1.14(1.06,1.22)。在探索性研究中提出了数据质量评估的完整性、准确性、一致性、时效性框架，并发表相应论文。.本研究结果初步证实，基于缺失特征评价的PS分层后的MI填补模式可用于于痴呆患病率估计。同时，应用数据填补技术是应首选综合评估数据整体质量，并对数据缺失模式进行分析。研究区初步构建了基于真实数据模拟缺失数据以评价数据填补技术的方法和技术路线。