暴露变量存在误差的流行病学分析：当前实践综述与建议
应用统计
2018-11-27 v1
摘要
背景：流行病学观察性研究中的变量通常存在测量误差和错误分类，但此类误差的影响常常未被认识或被忽视。作为加强观察性研究分析思维（STRATOS）倡议的一部分，测量误差与错误分类工作组（TG4）旨在描述该问题的范围以及当前用于解决测量误差的分析方法。方法：TG4 对四类通常受暴露测量误差影响的研究进行了文献调查：1）膳食摄入队列研究，2）膳食摄入人群调查，3）身体活动队列研究，以及 4）空气污染队列研究。开展该调查是为了了解当前承认和处理测量误差的做法。结果：调查显示，虽然研究人员普遍意识到测量误差会影响其研究，但极少有人对分析中的误差进行调整。大多数文章对测量误差对其结果潜在影响的讨论不完整。回归校准是应用最广泛的调整方法。结论：即使在已知测量误差问题的流行病学领域，当前的主导做法仍是在分析中忽略误差。纠正测量误差的方法已有可用，但需要额外数据以明确误差结构。极有必要在研究设计中纳入此类数据收集并改进分析方法。还需要研究者、编辑和审稿人加大努力，以在受误差影响的数据下改进研究成果的呈现。
引用
@article{arxiv.1802.10496,
title = {Epidemiologic analyses with error-prone exposures: Review of current practice and recommendations},
author = {Pamela A. Shaw and Veronika Deffner and Ruth H. Keogh and Janet A. Tooze and Kevin W. Dodd and Helmut Küchenhoff and Victor Kipnis and Laurence S. Freedman},
journal= {arXiv preprint arXiv:1802.10496},
year = {2018}
}
备注
41 pages, including 4 tables and supplementary material