基于连续且含测量误差暴露估计因果暴露反应函数：细颗粒物与全因死亡率研究
统计方法学
2022-11-29 v5 应用统计
摘要
大量研究考察了长期暴露于细颗粒物（PM2.5）与不良健康结局之间的关联。近来，许多此类研究开始采用高分辨率预测的 PM2.5 浓度，其存在测量误差。既往的暴露测量误差校正方法要么应用于非因果设定，要么仅考虑分类暴露。此外，多数流程在拟合暴露反应函数（ERF）时未能考虑由误差校正引入的不确定性。为弥补这些不足，我们发展了一个结合回归校准与贝叶斯技术的多重插补框架，以估计因果 ERF。我们展示了如何将测量误差校正步骤的输出无缝整合进因果 ERF 的贝叶斯加性回归树（BART）估计量中。我们还展示了如何通过对 BART 后验样本进行局部加权平滑来生成更精确的 ERF 估计。我们提出的方法还恰当地传播了暴露测量误差的不确定性，从而得到准确的标准误估计。我们在一项广泛的模拟研究中评估了所提方法的稳健性。随后，我们将该方法应用于估计 2000—2012 年新英格兰地区医疗保险参保者中 PM2.5 对全因死亡率的影响。
引用
@article{arxiv.2109.15264,
title = {Estimating a Causal Exposure Response Function with a Continuous Error-Prone Exposure: A Study of Fine Particulate Matter and All-Cause Mortality},
author = {Kevin P. Josey and Priyanka deSouza and Xiao Wu and Danielle Braun and Rachel Nethery},
journal= {arXiv preprint arXiv:2109.15264},
year = {2022}
}