通过指数模型在暴露与结果之间借用力量进行多污染物混合物分析

环境健康研究的一个重要目标是评估多种环境暴露混合物所致的健康风险。在这些混合物分析中，贝叶斯核机器回归和多指数模型等灵活模型备受青睐，因为它们允许存在任意非线性的暴露-结果关系。然而，这种灵活性以牺牲统计功效为代价，尤其是在暴露因素高度相关且健康效应较弱的情况下，这在环境健康研究中十分常见。我们提出了一种多变量指数建模策略，通过利用相似的混合物组件权重和暴露-响应关系，在暴露因素和结果之间借用力量。在分布滞后模型的特殊情况下，即暴露因素在时间上被重复测量时，我们联合鼓励滞后轮廓和暴露-响应曲线的共聚类，以更高效地识别脆弱窗口并 characterize 重要的暴露效应。随后，我们将该方法推广到多指数模型设置中，其中真实的指数结构——即指数的数量及其组成——是未知的，我们引入变量重要性度量来量化组件对混合物效应的贡献。利用国家健康、死亡与空气污染研究（National Morbidity, Mortality and Air Pollution Study）中的时间序列数据，我们通过对三种死亡结果和两项累计空气污染测量（最大滞后14天）进行联合建模来展示所提出的方法。