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。