选择统计模型以评估作为效应可加性偏离的生物学交互作用
应用统计
2023-10-06 v1
摘要
Vanderweele和Knol将生物学交互作用定义为“两种暴露物理上相互作用以导致结局”的实例。生物学交互作用的一个标志是,当各因素共同起作用时产生的总效应不同于各因素独立作用时效应之和。流行病学家构建统计模型以评估生物学交互作用。统计模型的形式决定了它适用于检测效应可加性的偏离还是效应相乘性的偏离。学界共识认为,生物学交互作用应作为效应可加性的偏离来评估。本文比较了三种统计模型对若干流行病学教科书中出现的二项式结局生物学交互作用数据示例的评估。线性二项式模型以概率差的形式量化该数据示例中可加性的偏离,它直接生成可解释的估计值及95%置信区间,包括交互对比(IC)等参数。对数二项式模型和 logistic 回归模型在该数据示例中未检测到相乘性的偏离,但其估计值可用于计算“交互导致的相对超额风险”(RERI),即相对风险尺度上可加性偏离的度量。线性二项式模型直接产生对效应可加性偏离的可解释评估,值得在研究和流行病学教学中更广泛使用。已有应对该模型局限性的策略。
引用
@article{arxiv.2301.03349,
title = {Choosing statistical models to assess biological interaction as a departure from additivity of effects},
author = {David M. Thompson and Yan Daniel Zhao},
journal= {arXiv preprint arXiv:2301.03349},
year = {2023}
}
备注
29 pages, 3 tables, 3 figures