如何解决时间序列模型推荐
我是时间序列的新手,我有一个 EHR(电子健康记录)数据集。 我已经连续测量了时间序列电子健康记录患者数据集。这是 7 年的研究,每 4 个月测量每位患者的血压、Hba1c、LDL、Hb、基线年龄……(作为建模的自变量),同时,每位患者被归类为健康/不健康(输出/因变量)。在建模之前,我们仅将每个患者的输出分配为 0 / 1(0 = 如果患者至少被分配 0 一次,否则为 1 =)。所以我们有时间序列(HBA,fpg,...)而不是自变量的时间序列测量(种族,基线年龄),但每个患者只有一个输出(0/1)。我想对这些数据进行建模,有一些方法用于此类数据集,例如;使用基线值或使用每个自变量的平均值。除了这两种方法,我想使用时间序列分析,但我不确定我要使用什么?看起来像是生存分析,但事实并非如此,因为当我们看到 0 值时,研究并未结束。您可以在下面看到数据结构的可视化。提前感谢您的所有回复。您还可以在下面看到我的数据结构的玩具示例代码。
features <-data.frame(
Patient = c("Patient1","Patient1","Patient2","Patient3","Patient3"),Time=c("t1","t2","t3","t1","t3"),Hba=c(8.3,8.4,8.2,7.1,7.3,7.2,6.9,6.8,6.5),fpg=c(98,90,92,88,89,87,100,105,108),Age=c(66,66,48,78,78))
response <-data.frame( Patient = c("Patient1",Output = c(1,1))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。