在病例交叉设计中利用BART估计异质性暴露效应
统计方法学
2025-02-21 v2 应用统计
摘要
在观察性研究中考察人群健康对环境暴露反应的流行病学方法，常通过巧妙的匹配方案并基于条件似然的统计方法来控制混杂。近年来，非参数回归模型作为估计个体水平异质性效应的工具日益流行，其能更细致地刻画暴露-反应关系，也可聚合以获得人群层面改进的边际估计。本工作中，我们将贝叶斯加性回归树（BART）纳入条件 logistic 回归模型，以在病例交叉设计中识别异质性暴露效应。条件 logistic BART（CL-BART）利用可逆跳跃马尔可夫链蒙特卡洛绕过原始 BART 算法的条件共轭要求。本工作的动机源于对识别更易受环境暴露影响亚群的兴趣日益增长。我们将 CL-BART 应用于一项关于加利福尼亚州热浪对阿尔茨海默病患者影响及其他慢性病效应修饰的研究。通过该应用，我们还描述了通过变量重要性、偏依赖和低维汇总来考察异质性优势比的策略。
引用
@article{arxiv.2311.12016,
title = {Estimating Heterogeneous Exposure Effects in the Case-Crossover Design using BART},
author = {Jacob Englert and Stefanie Ebelt and Howard Chang},
journal= {arXiv preprint arXiv:2311.12016},
year = {2025}
}
备注
29 pages, 4 figures