将先验信息融入带零膨胀单调回归树的分布滞后非线性模型
统计方法学
2023-10-05 v2
摘要
在环境健康研究中，人们常常关注暴露对同一天及随后若干天（滞后）健康结局的影响。分布滞后非线性模型（DLNM）是估计暴露-滞后-反应函数的成熟统计框架。我们提出将先验信息纳入 DLNM 的方法。首先，我们在滞后时间段施加暴露-反应的单调性约束，这与生物机制如何应对暴露水平升高的知识相符。其次，我们将变量选择引入 DLNM，以识别与感兴趣结局相关的易感滞后时段。该变量选择方法允许对哪些滞后与结局存在非零关联直接施加信息先验。我们提出一种树中树模型，使用两层树：一层用于划分暴露时间框架，另一层用于在不同时间段拟合暴露-反应函数。我们引入贝叶斯加性回归树中树分裂先验的零膨胀替代方案，以实现滞后选择并加入信息先验。我们开发了用于高效后验抽样的计算方法，并进行了全面的模拟研究，将我们的方法与现有 DLNM 方法进行比较。我们将该方法应用于估计芝加哥夏季或冬季极端温度与死亡率的滞后关系。
引用
@article{arxiv.2301.12937,
title = {Incorporating prior information into distributed lag nonlinear models with zero-inflated monotone regression trees},
author = {Daniel Mork and Ander Wilson},
journal= {arXiv preprint arXiv:2301.12937},
year = {2023}
}
备注
29 pages, 5 figures, 2 tables