暴露变量存在测量误差情形下的因果推断：空气污染与死亡率

我们提出一种新方法，用于在暴露变量被测量有误且通过广义倾向得分（GPS）进行混杂调整时估计因果效应。利用验证数据，我们提出一种基于回归校准（RC）的对连续有误暴露变量的调整，并结合 GPS 以调整混杂（RC-GPS）。在将校正后的连续暴露转换为分类暴露后，进行结果分析。我们考虑在 GPS 分层、逆概率处理加权（IPTW）和匹配情形下的混杂调整。在具有不同暴露误差和混杂偏差程度的模拟中，与依赖有误暴露的标准方法相比，RC-GPS 消除了暴露误差和混杂带来的偏差。我们将 RC-GPS 应用于一个丰富的数据平台，以估计 2000 年至 2012 年期间新英格兰地区长期暴露于细颗粒物（$PM_{2.5}$）对死亡率的因果效应。主研究包含 $2,202$ 个邮政编码区，覆盖 $217,660$ 个 1km $\times$ 1km 网格单元，具有年度死亡率、由时空模型估计的年度 $PM_{2.5}$ 平均值（有误暴露）以及若干潜在混杂因素。内部验证研究包含主研究中 75 个邮政编码区内 83 个 1km $\times$ 1km 网格单元的子集，其无误差年度 $PM_{2.5}$ 暴露来自监测站。在非干扰和弱无混杂假设下，使用匹配我们发现，与低暴露（$PM_{2.5}$ $\leq 8\ {\rm \mu g/m^3}$）相比，暴露于中等水平 $PM_{2.5}$（$8 <$ $PM_{2.5}$ $\leq 10\ {\rm \mu g/m^3}$）导致全因死亡率增加 $2.8\%$（$95\%$ CI: $0.6\%, 3.6\%$）。