当前位置:
X-MOL 学术
›
Annu. Rev. Stat. Appl.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Statistical Data Integration for Health Policy Evidence-Building
Annual Review of Statistics and Its Application ( IF 7.4 ) Pub Date : 2024-08-19 , DOI: 10.1146/annurev-statistics-112723-034507 Susan M. Paddock 1 , Carolina Franco 1 , F. Jay Breidt 1 , Brenda Betancourt 1
Annual Review of Statistics and Its Application ( IF 7.4 ) Pub Date : 2024-08-19 , DOI: 10.1146/annurev-statistics-112723-034507 Susan M. Paddock 1 , Carolina Franco 1 , F. Jay Breidt 1 , Brenda Betancourt 1
Affiliation
Health policy evidence-building requires data sources such as health care claims, electronic health records, probability and nonprobability survey data, epidemiological surveillance databases, administrative data, and more, all of which have strengths and limitations for a given policy analysis. Data integration techniques leverage the relative strengths of input sources to obtain a blended source that is richer, more informative, and more fit for use than any single input component. This review notes the expansion of opportunities to use data integration for health policy analyses, reviews key methodological approaches to expand the number of variables in a data set or to increase the precision of estimates, and provides directions for future research. As data quality improvement motivates data integration, key data quality frameworks are provided to structure assessments of candidate input data sources.
中文翻译:
用于卫生政策证据构建的统计数据集成
卫生政策证据构建需要数据源,例如医疗保健索赔、电子健康记录、概率和非概率调查数据、流行病学监测数据库、行政数据等,所有这些对于给定的政策分析都有优势和局限性。数据集成技术利用输入源的相对优势来获得比任何单个输入组件更丰富、信息量更大、更适合使用的混合源。本综述指出了使用数据整合进行卫生政策分析的机会的扩大,回顾了扩大数据集中变量数量或提高估计精度的关键方法,并为未来的研究提供了方向。由于数据质量改进会激励数据集成,因此会提供关键数据质量框架来构建候选输入数据源的评估。
更新日期:2024-08-19
中文翻译:
用于卫生政策证据构建的统计数据集成
卫生政策证据构建需要数据源,例如医疗保健索赔、电子健康记录、概率和非概率调查数据、流行病学监测数据库、行政数据等,所有这些对于给定的政策分析都有优势和局限性。数据集成技术利用输入源的相对优势来获得比任何单个输入组件更丰富、信息量更大、更适合使用的混合源。本综述指出了使用数据整合进行卫生政策分析的机会的扩大,回顾了扩大数据集中变量数量或提高估计精度的关键方法,并为未来的研究提供了方向。由于数据质量改进会激励数据集成,因此会提供关键数据质量框架来构建候选输入数据源的评估。