病例交叉设计与过度离散及其在空气污染流行病学中的应用
统计方法学
2024-10-23 v1
摘要
在过去的三十年里，病例交叉设计在健康科学，特别是空气污染流行病学中得到了广泛应用。它们通常与部分似然技术结合使用，为响应变量（通常是健康结局）定义一个以暴露为条件的条件逻辑模型。尽管在典型的空气污染流行病学设置中，条件逻辑模型已被证明等价于众所周知的泊松时间序列模型的特定实例，但人们常常声称它们不能允许过度离散。本文阐明了病例交叉设计、由其产生的模型以及过度离散之间的关系。特别是，我们建议放宽病例交叉分析中传统上做出的个体间独立性假设，以便在条件逻辑模型中显式引入过度离散。正如我们所展示的，由此产生的过度离散条件逻辑模型与过度离散条件泊松模型一致，因为它们的似然函数是彼此的简单重表达。我们进一步提供了所提出的病例交叉模型的贝叶斯实现的技术细节，并通过一个大型模拟研究证明，标准病例交叉模型可能导致覆盖率被严重低估，而所提出的模型则不会。我们还对加拿大安大略省多伦多市的空气污染与发病率之间的关联进行了说明性分析，结果表明，所提出的模型比常规模型对诸如与公共假期相关的异常值更为稳健。
引用
@article{arxiv.2401.14338,
title = {Case-crossover designs and overdispersion with application in air pollution epidemiology},
author = {Samuel Perreault and Gracia Y. Dong and Alex Stringer and Hwashin Shin and Patrick Brown},
journal= {arXiv preprint arXiv:2401.14338},
year = {2024}
}