用于分析环境混合物的层次整合组LASSO (HiGLASSO) 框架
统计方法学
2022-01-19 v1 应用统计
摘要
环境健康研究正日益测量多种污染物以刻画归因于暴露混合物的联合健康效应。然而，有毒物与关注健康结局之间的潜在剂量-反应关系可能高度非线性，并可能存在非线性交互效应。现有考虑暴露交互的惩罚回归方法，要么无法在保持强遗传性的同时容纳非线性交互，要么在有限样本量应用中计算不稳定。本文中，我们提出一个通用的收缩与选择框架，以识别一组暴露中显著的非线性主效应与交互效应。我们设计层次整合组LASSO (HiGLASSO) 以 (a) 对双向交互效应施加强遗传约束（层次化），(b) 引入自适应权重而无需初始系数估计（整合性），以及 (c) 在尊重组结构的同时诱导稀疏以进行变量选择（组LASSO）。我们证明了所提方法的稀疏一致性，并将HiGLASSO应用于LIFECODES出生队列的环境毒物数据集，其中研究者关注21种尿毒物生物标志物对尿8-异前列腺素（氧化应激度量）的联合效应。HiGLASSO的实现见于higlasso R包，可通过综合R档案网络获取。
引用
@article{arxiv.2003.12844,
title = {A Hierarchical Integrative Group LASSO (HiGLASSO) Framework for Analyzing Environmental Mixtures},
author = {Jonathan Boss and Alexander Rix and Yin-Hsiu Chen and Naveen N. Narisetty and Zhenke Wu and Kelly K. Ferguson and Thomas F. McElrath and John D. Meeker and Bhramar Mukherjee},
journal= {arXiv preprint arXiv:2003.12844},
year = {2022}
}
备注
29 pages, 6 figures