在具有个体水平暴露的流行病学研究中考虑空间混杂：一种暴露惩罚样条方法

在存在未测量空间混杂的情况下，空间模型实际上可能增大（而非减小）偏倚，导致在实践中应如何应用它们存在不确定性。我们通过模拟以及对一项大数据电子健康记录研究的应用来评估空间建模方法。对于纯空间暴露（例如建成环境），偏倚风险较高；而我们发现对于空间上聚集的个体水平暴露（例如吸烟状况），其偏倚增大的可能性非常有限。我们还提出了一种新颖的暴露惩罚样条方法，该方法选择空间平滑的程度以解释暴露中的空间变异性。该方法在有效减小空间混杂偏倚方面看来颇有前景。