使用贝叶斯层次方法处理职业流行病学中测量误差的复杂结构
应用统计
2025-03-24 v1
摘要
职业流行病学中的暴露评估可能涉及多个未知数量，这些数量会针对工人的群体和多个年份进行测量或重构。此外， Depending on暴露期，暴露的收集可能采用不同的评估策略。因此，正在分析职业队列研究的研究人员常常面临挑战性的暴露测量误差结构，涉及复杂的依赖关系和基于暴露期的多种测量误差模型。然而，先前的工作常常对这些误差做出许多简化假设。在本文中，我们提出了一种贝叶斯层次方法来处理职业流行病学中出现的广泛误差结构。所考虑的误差结构可能涉及多个未知数量，这些数量可以受到Berkson误差和经典误差的混合。可以根据暴露期和工人的位置来考虑不同的误差结构。此外，误差可以在时间上以及在工人之间呈现复杂的依赖结构。我们在德国铀矿工队列的子组上说明了所提出的层次方法，以纠正铀暴露与肺癌死亡率之间关系中的潜在暴露不确定性。评估了所提出方法的性能以及其对模型误指定的敏感性。结果表明，通过所提出的贝叶斯层次方法可以纠正由非常复杂的测量误差引起的估计偏差。
引用
@article{arxiv.2503.17161,
title = {Addressing complex structures of measurement error arising in the exposure assessment in occupational epidemiology using a Bayesian hierarchical approach},
author = {Raphael Rehms and Nicole Ellenbach and Veronika Deffner and Sabine Hoffmann},
journal= {arXiv preprint arXiv:2503.17161},
year = {2025}
}