控制长期空气污染与健康研究中的未测量混杂因素和空间错位
应用统计
2014-12-16 v1
摘要
由于空间参考污染和疾病数据的近期广泛可用性，长期暴露于空气污染的健康影响现在通常使用空间生态学研究进行估计。然而，这种区域单元研究设计提出了一些统计挑战，如果忽视这些挑战，可能会导致估计的污染 - 健康关系产生偏差。其中一个挑战是如何在考虑已知协变量后控制数据中存在的空间自相关，这是由未测量的混杂因素引起的。第二个挑战是如何调整模型的功能形式以解释污染和疾病数据之间的空间错位，这会导致污染数据在区域内的变化。现有的长期空间空气污染和健康研究在很大程度上忽视了这些挑战，因此我们在此提出一种新的贝叶斯层次模型来解决这两个挑战，并提供软件以便其他人将我们的模型应用于他们自己的数据。通过模拟将所提出模型的有效性与文献中提出的许多最先进替代方案进行比较，然后用于估计 2010 年英格兰一项新的流行病学研究中地方当局层面二氧化氮和颗粒物浓度对呼吸道住院 admissions 的影响。
引用
@article{arxiv.1412.4479,
title = {Controlling for unmeasured confounding and spatial misalignment in long-term air pollution and health studies},
author = {Duncan Lee and Christophe Sarran},
journal= {arXiv preprint arXiv:1412.4479},
year = {2014}
}