用于测量误差校正的线性混合模型方法：在可穿戴设备久坐行为评估中的应用
统计方法学
2024-03-05 v1
摘要
近年来，可穿戴设备在捕捉各种健康行为方面变得越来越普遍，特别是对于体力活动和久坐行为。这些基于传感器的测量被认为是客观的，因此不太容易出现问卷评估中固有的自我报告偏差。虽然这无疑是一个主要优势，但设备记录中仍然可能存在测量误差，这对进行统计分析和获得无偏风险估计提出了严峻挑战。有大量文献提出了校正自我报告行为（如饮食摄入）中测量误差的统计方法。然而，对于基于传感器的设备测量，尤其是久坐行为的误差校正研究要少得多。在本文中，我们解决了这一空白。利用部署传感器设备时通常收集的多日过度评估，我们提出了一种基于两阶段线性混合效应模型（LME）的方法来校正测量误差引起的偏差。我们使用最佳线性无偏预测器（BLUP）提供了去偏过程的理论证明，并使用模拟和来自队列研究的真实数据来证明所提出方法的性能，同时与直接使用设备测量而未适当校正测量误差的朴素插入方法进行比较。我们的结果表明，采用我们易于实现的BLUP校正方法可以大大减少疾病风险估计中的偏差，从而提高研究结果的有效性。
引用
@article{arxiv.2403.01000,
title = {A linear mixed model approach for measurement error adjustment: applications to sedentary behavior assessment from wearable devices},
author = {Ruohui Chen and Dori Rosenberg and Chongzhi Di and Rong Zablocki and Sheri J Hartman and Andrea Lacroix and Xin Tu and Loki Natarajan and Lin Liu},
journal= {arXiv preprint arXiv:2403.01000},
year = {2024}
}