针对含多种病例亚型的病例对照研究的稀疏估计

对含有若干病例亚型的病例对照研究进行分析日益普遍，例如在癌症流行病学中。对于匹配设计，我们表明一种自然的策略基于分层条件logistic回归模型。随后，为考虑病例亚型间潜在的同质性，我们改编了数据共享lasso（data shared lasso）的思想，该方法最近被提出用于分层设定下的回归模型估计。对于非匹配设计，我们比较了两种基于L1范数惩罚多项logistic回归的标准方法。我们描述了这两种方法之间的形式化联系，由此可得出实用指导。我们表明，其中一种基于多项logistic回归模型对称表述的方法，实际上可归约为另一种方法的数据共享lasso版本。因此，两种方法相对性能关键取决于病例亚型间存在的同质性水平：更确切地说，当同质性为中等至较高时，不推荐以对照组为参照的非对称表述。我们给出了合成数据得到的实证结果，证实了在匹配与非匹配设计下适当考虑潜在同质性带来的益处。我们还展示了在EPIC队列嵌套病例对照研究中的初步分析结果，其目标是识别与乳腺癌亚型发生相关的代谢物。