环境流行病学中考虑暴露测量误差的可扩展两阶段贝叶斯方法
统计方法学
2024-01-17 v2 应用统计
摘要
二十多年来，考虑暴露测量误差一直被认为是环境流行病学中的一个关键问题。贝叶斯层次模型提供了一个连贯的概率框架，用于评估环境暴露与健康效应之间的关联，该框架考虑了由估计暴露的不确定性以及暴露与健康结果数据之间的空间错位所引入的暴露测量误差。当联合估计不可行时，两阶段贝叶斯分析通常被认为是完全贝叶斯分析的良好替代方案，但关于如何将不确定性从第一阶段暴露模型正确传递到第二阶段健康模型的研究极少，尤其是在参与者位置众多且暴露具有空间相关性的情况下。我们提出了一种可扩展的两阶段贝叶斯方法，称为稀疏多元正态先验方法，基于 Vecchia 近似来评估环境流行病学中暴露与健康结果之间的关联。我们通过模拟比较了其与现有方法的性能。我们的稀疏多元正态先验方法表现出与完全贝叶斯方法相当的性能，而完全贝叶斯方法虽是黄金标准，但在某些情况下无法实现。我们使用包括新开发方法在内的多种方法，研究了2012年德克萨斯州Harris县特定来源暴露和污染物（二氧化氮（NO））特定暴露与出生结果之间的关联。
引用
@article{arxiv.2401.00634,
title = {A scalable two-stage Bayesian approach accounting for exposure measurement error in environmental epidemiology},
author = {Changwoo J. Lee and Elaine Symanski and Amal Rammah and Dong Hun Kang and Philip K. Hopke and Eun Sug Park},
journal= {arXiv preprint arXiv:2401.00634},
year = {2024}
}
备注
34 pages, 8 figures