时间序列及其他观察性研究中残差混杂偏倚的部分校正新方法
统计方法学
2015-10-26 v1
摘要
引言：目前已存在检测残差混杂的方法。其中一种需要一个具有两个关键特性的“指示变量”：在不存在混杂及其他模型误设的情况下，结局的条件独立性（给定暴露和已测量协变量）；以及与未测量混杂因素（如同暴露一样）的关联。我们现在提出一种用于校正时间序列及其他流行病学研究中残差混杂的新方法。我们认为，相较于未包含该指示变量的模型，包含具有这些关键特性的指示变量的模型所得到的估计量应有更小的偏倚。方法：利用因果推理和基本回归理论，我们给出支持上述主张的理论论证。在模拟中，我们使用一项关于臭氧对哮喘急诊就诊（AV）影响的时序研究，基于臭氧、气象因素和哮喘的观测数据，对我们方法进行经验评估。结果：在模拟中，包含AV发生后一天臭氧浓度的模型所得的效应估计量具有略微或适度更小的残差混杂。结论：理论和模拟表明，包含基于未来空气污染水平的指示变量可减少残差混杂。我们的方法不同于现有方法，因为它使用涉及基于暴露的指示变量的回归方法，而非阴性结局对照。
引用
@article{arxiv.1510.06905,
title = {A New Method for Partial Correction of Residual Confounding in Time-Series and other Observational Studies},
author = {W. Dana Flanders and Matthew J. Strickland and Mitchel Klein},
journal= {arXiv preprint arXiv:1510.06905},
year = {2015}
}