Dimension Reduction Approaches for Two-Phase Subsample Selection with High-Dimensional Covariates
The two-phase study has been proposed to reduce the cost of large-scale studies. The study observes outcomes and inexpensive (auxiliary) covariates for all subjects in the first phase, which are used to select subjects for expensive covariate measurement in the second phase. Existing methods often overlook the complexity of high-dimensional auxiliary covariates (HACs) in design and analysis. To address these gaps, we propose dimension reduction methods in phase 1 HACs to identify informative subsamples for phase two. We investigate techniques like Principal Component Analysis, Uniform Manifold Approximation and Projection, Adaptive Lasso, and Meta-Visualization, to transform HACs into univariable predictors with essential signals preserved. Altogether, our work aims to shed light on identifying appropriate dimension reduction approaches for handling HAC in two-phase studies.
Approches de réduction des dimensions pour la sélection de sous-échantillons en deux phases avec covariables à haute dimension
L'étude en deux phases a été proposée pour réduire le coût des études à grande échelle. Cette étude observe les résultats et les covariables peu coûteuses (auxiliaires) pour tous les sujets de la première phase, qui est utilisée pour sélectionner les sujets pour qui les covariables coûteuses seront mesurées au cours de la seconde phase. Les méthodes existantes négligent souvent la complexité des covariables auxiliaires à haute dimension (CAHD) dans la conception et l'analyse. Pour combler ces lacunes, nous proposons des méthodes de réduction de la dimension des CAHD de la phase 1 afin d'identifier des sous-échantillons informatifs pour la phase 2. Nous étudions des techniques telles que l'analyse en composantes principales, l'approximation et la projection uniformes de la variété, le Lasso adaptatif et la Méta-visualisation, afin de transformer les CAHD en prédicteurs univariés tout en préservant les signaux essentiels. Dans l'ensemble, notre travail vise à faire la lumière sur l'identification des approches de réduction de dimension appropriées pour traiter les CAHD dans les études en deux phases.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais