一种基于分位数的 g-计算方法来处理暴露混合物的效应

暴露混合物在许多领域的数据中频繁出现，特别是在环境流行病学和营养流行病学领域。已出现各种策略来回答有关混合物的问题，包括诸如加权分位数和（WQS）回归等估计混合物组分联合效应的方法。我们展示了一种估计混合物联合效应的新方法：分位数 g-计算。该方法将 WQS 回归的推断简洁性与 g-计算（一种因果效应估计方法）的灵活性相结合。我们使用模拟来检验分位数 g-计算和 WQS 回归是否能在常见情景中准确且精确地估计混合物效应。我们考察了分位数 g-计算和 WQS 回归的偏倚、置信区间覆盖以及偏倚-方差权衡，以及这些量如何受到非因果暴露、暴露相关性、未测量混杂和非线性效应的影响。与 WQS 回归不同，分位数 g-计算能够在流行病学研究中通常遇到的样本量下，以及当 WQS 回归的假设不满足时，对混合物效应进行无偏推断且置信区间覆盖适当。此外，WQS 回归可能放大因遗漏混合物重要组分而发生的未测量混杂偏倚。与考察单个暴露效应的推断方法不同，诸如分位数 g-计算等能够估计混合物效应的方法，对于理解作用于暴露源的潜在公共卫生行动效应至关重要。我们的方法可能有助于弥合流行病学分析与诸如工业排放或采矿过程监管、饮食改变或消费者行为改变等同时作用于多种暴露的干预措施之间的差距。