用于从病例对照研究估计疾病病因的相依二元数据回归分析
统计方法学
2019-06-21 v1 应用统计
摘要
在大规模疾病病因研究中，流行病学家常需使用疾病未观测病因的多个二元测量（其敏感性与特异性不完美）来估计病因别病例分数，称为“人群病因分数”（PEFs）。尽管近期方法有进展，但纳入对照数据以估计解释变量对 PEFs 影响这一科学需求仍未满足。本文中，我们基于并扩展嵌套部分潜类模型（npLCMs, Wu et al., 2017）至病例对照研究中病因回归分析的通用框架。对照数据提供关于测量特异度与协变的必要信息，用于在每个病例给定其测量时正确分配病因别概率。我们通过独立回归模型估计给定协变量的对照诊断测量分布，并先验鼓励更简单的条件依赖结构。我们使用马尔可夫链蒙特卡洛对 PEF 函数、病例潜类及政策关注的总体 PEFs 进行后验推断。我们通过模拟说明该回归分析，并显示比忽略协变量的 npLCM 分析有更小偏倚估计与更有效推断。对某儿童肺炎研究点数据的回归分析揭示了肺炎病因对季节、年龄、疾病严重度与 HIV 状态的依赖性。
引用
@article{arxiv.1906.08436,
title = {Regression Analysis of Dependent Binary Data for Estimating Disease Etiology from Case-Control Studies},
author = {Zhenke Wu and Irena Chen},
journal= {arXiv preprint arXiv:1906.08436},
year = {2019}
}
备注
26 pages of main text, 3 figures and 1 table; 18 pages of supplementary materials, 6 figures and 3 tables