在基于核的环境混合物与健康分析中整合生物学知识
统计方法学
2022-04-04 v1 应用统计
摘要
环境健康研究的一个关键目标是评估污染物混合物带来的风险。由于混合物的流行病学研究开展起来可能耗费高昂，研究者宜将关于混合物的先验知识纳入其分析之中。本文扩展了贝叶斯多重指标模型（BMIM），该模型假设暴露-响应函数是由一组暴露特异性权重形成的污染物线性组合集合的非参数函数。该框架颇具吸引力，因为它将响应面方法的灵活性与线性指标模型的可解释性结合起来。我们提出三种策略，将先验毒理学知识纳入BMIM中的指标构建：(a) 约束指标权重，(b) 通过暴露变换构造指标权重，以及 (c) 在指标权重上施加信息先验。我们提出一种新的先验设定，将尖峰-板变量选择与基于相对效力因子的信息Dirichlet分布相结合，这些因子常源自既往毒理学研究。在模拟中我们表明，当先验信息正确时，所提先验改善了推断，且能在先验信息错误时防范朴素毒理学模型所遭受的设定错误。此外，不同策略可针对不同的指标混合搭配，以适应可用信息（或其缺失）。我们在对全国健康与营养检查调查数据的分析中展示了所提方法，并纳入了文献中毒性当量因子给出的相对化学效力先验信息。
引用
@article{arxiv.2204.00040,
title = {Integrating Biological Knowledge in Kernel-Based Analyses of Environmental Mixtures and Health},
author = {Glen McGee and Ander Wilson and Brent A Coull and Thomas F Webster},
journal= {arXiv preprint arXiv:2204.00040},
year = {2022}
}