使用惩罚性样条函数的广义分布滞后非线性模型估计累积暴露与健康之间的关联
统计方法学
2025-05-22 v1
摘要
量化短期暴露于环境空气污染与健康结果之间关联是重要的公共卫生优先事项。许多研究已针对过去几天内的延迟效应进行关联分析。自适应累积暴露分布滞后非线性模型 (ACE-DLNM) 量化了健康结果与累积暴露之间的关联，后者以数据驱动的方式指定。虽然 ACE-DLNM 框架高度可解释，但仅限于连续结果，且在大型数据集上扩展性不佳。为了解决这一限制，本文基于加拿大2001至2018年每日污染物与呼吸系统入院人数的大规模分析，提出了采用惩罚性样条函数的广义 ACE-DLNM，以改进现有 ACE-DLNM 方法，使其能够容纳一般响应类型。我们然后开发了基于概似最大化和拉普拉斯近似边际似然的 Newton 类型方法的高效估计策略。通过仿真实验展示了所提出方法的性能和实际优势。在应用到说服性分析时，所提出方法相对于采用固定暴露的广义迪卡尔模型（GAM）进行推断更稳定，同时保持可解释性。
引用
@article{arxiv.2505.15759,
title = {Estimating Associations Between Cumulative Exposure and Health via Generalized Distributed Lag Non-Linear Models using Penalized Splines},
author = {Tianyi Pan and Hwashin Hyun Shin and Glen McGee and Alex Stringer},
journal= {arXiv preprint arXiv:2505.15759},
year = {2025}
}