将暴露不确定性纳入健康分析的贝叶斯框架及其在空气污染与死产中的应用
统计方法学
2022-04-01 v1
摘要
关于环境暴露与不良健康结局之间关系的研究常依赖两阶段统计建模方法：第一阶段对暴露进行建模/预测，并将其作为第二阶段单独拟合的健康结局分析的输入。在估计所关注的关联时，这些预测中的不确定性常被忽略，或以过于简化的方式加以考虑。在贝叶斯框架下，我们提出一种灵活的核密度估计（KDE）方法，以充分利用第一阶段建模/预测的后验输出，对第二阶段中暴露与健康之间的关联进行准确推断，推导了高效模型拟合所需的全条件分布，详述了其与现有方法的联系，并通过模拟比较其性能。我们的 KDE 方法在多种设定与模型比较指标下总体表现出更优性能。利用竞争方法，我们研究了新泽西州（2011–2015）滞后每日环境细颗粒物水平与死产计数之间的关联，观察到分娩前三天暴露升高时风险增加。新开发的方法可在 R 包 KDExp 中获取。
引用
@article{arxiv.2203.16627,
title = {A Bayesian framework for incorporating exposure uncertainty into health analyses with application to air pollution and stillbirth},
author = {Saskia Comess and Howard H. Chang and Joshua L. Warren},
journal= {arXiv preprint arXiv:2203.16627},
year = {2022}
}