用于表征洪水相关健康影响中持续时长驱动异质性的变系数模型
应用统计
2026-01-27 v1 统计方法学
摘要
先前的研究揭示了洪水暴露与洪水事件期间及过后的不良健康结果之间的关联。洪水是高度异质性的事件，这在很大程度上归因于洪水持续时间的巨大差异，即山洪暴发与缓慢移动的洪水。然而，极少或没有研究将暴露持续时间纳入洪水相关健康影响的建模中，或调查过持续时间驱动的效应异质性。为了填补这一空白，我们提出了一个暴露持续时间变系数建模（EDVCM）框架，用于估计持续时间不同的连续日环境暴露的暴露日特异性健康效应。我们在区域级自匹配研究设计中开发了 EDVCM，以消除时间不变的混杂因素，随后进行条件 Poisson 回归建模，用于暴露效应估计和时变混杂因素调整。在贝叶斯框架下，我们在条件 Poisson 模型中引入了持续时间和暴露日特异性的暴露系数，并为其分配二维高斯过程先验，以允许在持续时间和暴露日之间共享信息。这种方法能够对持续时间驱动的效应异质性提供高分辨率的洞察，同时通过信息共享确保模型稳定性。通过模拟，我们证明 EDVCM 在效应估计和不确定性量化方面均优于传统方法。我们将 EDVCM 应用于与高分辨率洪水暴露测量相链接的全国性、数十年 Medicare 索赔数据，以调查洪水对肌肉骨骼系统疾病住院影响的持续时间驱动异质性。
引用
@article{arxiv.2601.18656,
title = {A varying-coefficient model for characterizing duration-driven heterogeneity in flood-related health impacts},
author = {Sarika Aggarwal and Phillip B. Nicol and Brent A. Coull and Rachel C. Nethery},
journal= {arXiv preprint arXiv:2601.18656},
year = {2026}
}