一种基于双向因果效应估计的干预筛查方法和系统技术方案

本发明专利技术涉及一种基于双向因果效应估计的干预筛查方法和系统，属于健康干预评估技术领域，解决了现有技术中缺乏考虑健康功能和行为活动之间的异质性循环因果问题

【技术实现步骤摘要】
一种基于双向因果效应估计的干预筛查方法和系统


[0001]本专利技术涉及健康干预评估
，尤其涉及一种基于双向因果效应估计的干预筛查方法和系统
。

技术介绍

[0002]个体的健康功能
(
包括认知
、
行动能力
、
营养
、
视力
、
听力
、
心理等
)
和行为活动
(
包括身体活动
、
社会活动等
)
之间存在着很强的相关性
。
然而，针对行为活动的干预方案经常难以达到预期效果
。
同时，针对健康功能衰退的筛查方案，也还未将行为活动作为一个重要指标
。
造成这一现象的原因之一是，筛查和干预方案的设计与评估忽略了健康功能和行为活动之间的循环因果关系
。
具体而言，行为活动对个体的健康功能也具有影响作用，反之，个体的健康功能对其行为活动具有影响作用，从而构成双向循环因果关系
。
例如，参与躯体活动可以帮助改善如心血管功能
、
肌肉力量和灵活性等躯体健康功能，而良好的躯体健康功能有助于个体参与躯体活动；又例如，参与社会活动有助于维护与促进个体的认知健康功能，而良好的认知健康功能则有助于个体参与社交活动
。
[0003]现有研究循环因果关系的技术主要基于面板数据模型，难以应用于个性化筛查和干预方案的评估与设计
。
首先，现有技术无法识别和估计异质性因果效应
。
健康功能和行为活动之间的循环因果关系往往具有个体差异性，然而，现有方法难以捕捉和反映这种个体差异性
。
其次，现有技术缺乏普适性
。
健康功能和行为活动通常具有非线性的因果关系，而现有方法仅适用于线性函数模型场景，不适用于这种非线性关系的分析需求
。
此外，现有技术在实际应用中的操作性和可靠性不强
。
现有技术在实际使用时需要指定模型的时间滞后参数，然而，这一参数无法靠科学可靠的方式获得，容易导致方案设计和评估的错误
。

技术实现思路

[0004]鉴于上述的分析，本专利技术实施例旨在提供一种基于双向因果效应估计的干预筛查方法和系统，用以解决现有筛查和干预技术中缺乏考虑健康功能和行为活动之间的异质性循环因果的问题
。
[0005]一方面，本专利技术实施例提供了一种基于双向因果效应估计的干预筛查方法，包括以下步骤：
[0006]收集不同个体的健康功能和行为活动对应的基线协变量数据以及每个方向上的干预前结局数据
、
干预措施属性和结局数据作为每个方向上的样本集；
[0007]提取基线协变量中的感兴趣变量作为第三方变量，基于潜在结果框架根据目标方向上的样本集估计目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应；
[0008]基于目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应确定基于第三方变量的干预筛查措施
。
[0009]基于上述方法的进一步改进，基于潜在结果框架根据目标方向上的样本集计算目
标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应，包括：
[0010]分方向对未观测到的潜在结局数据进行填补；
[0011]基于填补后的样本集采用非参数回归对目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应进行估计
。
[0012]基于上述方法的进一步改进，分方向对未观测到的潜在结局数据进行填补，包括：
[0013]对于目标方向上潜在结局数据缺失的每个个体，根据其干预措施属性查找与其相似的
M
个个体，根据
M
个个体的结局数据计算得到该个体缺失的潜在结局数据的填补值
。
[0014]基于上述方法的进一步改进，根据其干预措施属性查找与其相似的
M
个个体，包括：
[0015]若当前个体的干预措施属性为干预，则在未干预组中查找与其最相似的
M
个个体；若当前个体的干预措施属性为未干预，则在干预组中查找与其相似的
M
个个体；
[0016]采用公式计算第
i
个个体和第
j
个个体的相似度
Sim(i,j)
；其中，
X
i
表示第
i
个个体的基线协变量，
X
j
表示第
j
个个体的基线协变量，表示第
i
个个体在目标方向上的干预前结局数据，表示第
j
个个体在目标方向上的干预前结局数据
。
[0017]基于上述方法的进一步改进，基于填补后的样本集采用非参数回归对目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应进行估计，包括：
[0018]若所述第三方变量为连续性变量，则根据以下公式计算异质性因果效应估计量：
[0019][0020]若所述第三方变量为离散型变量，则根据公式
[0021][0022]计算异质性因果效应估计量；
[0023]其中，表示异质性因果效应估计量，
z
表示第三方变量，
Z
i
表示第
i
个个体的第三方变量的值，表示第
i
个个体的干预措施属性为干预时的潜在结局数据，表示第
i
个个体的干预措施属性为未干预时的潜在结局数据，
K(
·
)
表示核函数，
h
表示核函数的窗宽，
N
表示样本集中个体的数量，
I{
·
}
表示示性函数；
[0024]采用子抽样方法计算异质性因果效应估计量的标准差和置信区间
。
[0025]基于上述方法的进一步改进，采用子抽样方法计算异质性因果效应估计量的标准差和置信区间，包括：
[0026]从样本集中每个干预措施属性对应的样本中随机抽取样本构成子样本集合，构建
B
个子样本集；
[0027]对每个子样本集计算目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应估计量；
[0028]计算
B
个子样本集对应的异质性因果效应估计量的标椎差，得到异质性因果效应估计量的标准差和置信区间
。
[0029]基于上述方法的进一步改进，基于目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应确定基于第三方变量的干预筛查措施，包括：
[0030]根据异质性因果效应估计量的置信区间判断第三方变量的值对应的因果效应是否显著；
[0031]对因果效应显著的第三方变量值对应的个体进行干预或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于双向因果效应估计的干预筛查方法，其特征在于，包括以下步骤：收集不同个体的健康功能和行为活动对应的基线协变量数据以及每个方向上的干预前结局数据
、
干预措施属性和结局数据作为每个方向上的样本集；提取基线协变量中的感兴趣变量作为第三方变量，基于潜在结果框架根据目标方向上的样本集估计目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应；基于目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应确定基于第三方变量的干预筛查措施
。2.
根据权利要求1所述的基于双向因果效应估计的干预筛查方法，其特征在于，基于潜在结果框架根据目标方向上的样本集计算目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应，包括：分方向对未观测到的潜在结局数据进行填补；基于填补后的样本集采用非参数回归对目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应进行估计
。3.
根据权利要求2所述的基于双向因果效应估计的干预筛查方法，其特征在于，分方向对未观测到的潜在结局数据进行填补，包括：对于目标方向上潜在结局数据缺失的每个个体，根据其干预措施属性查找与其相似的
M
个个体，根据
M
个个体的结局数据计算得到该个体缺失的潜在结局数据的填补值
。4.
根据权利要求3所述的基于双向因果效应估计的干预筛查方法，其特征在于，根据其干预措施属性查找与其相似的
M
个个体，包括：若当前个体的干预措施属性为干预，则在未干预组中查找与其最相似的
M
个个体；若当前个体的干预措施属性为未干预，则在干预组中查找与其相似的
M
个个体；采用公式计算第
i
个个体和第
j
个个体的相似度
Sim(i,j)
；其中，
X
i
表示第
i
个个体的基线协变量，
X
j
表示第
j
个个体的基线协变量，
Y
ipre
表示第
i
个个体在目标方向上的干预前结局数据，
Y
jpre
表示第
j
个个体在目标方向上的干预前结局数据
。5.
根据权利要求2所述的基于双向因果效应估计的干预筛查方法，其特征在于，基于填补后的样本集采用非参数回归对目标方向上第三方变量条件下健康功能和行为活动间的异质性因果效应进行估计，包括：若所述第三方变量为连续性变量，则根据以下公式计算异质性因果效应估计量：若所述第三方变量为离散型变量，则根据公式计算异质性因果效应估计量；其中，表示异质性因果效应估计量，
z
表示第三方变量，
Z
i
表示第
i
个个体的第三方
变量的值，表示第
i
个个体的干预措施属性为干预时的潜在结局数据，表示第
i
个个体的干预措施属性为未干预时的潜在结局数据，
K(
·
)
表示核函数，
h
表示核函数的窗宽，<...

【专利技术属性】
技术研发人员：韩莎莎，吴鹏，
申请(专利权)人：北京协和医学院，
类型：发明
国别省市：