二元结局误分类下关联研究的统计推断

在生物医学与公共卫生关联研究中，二元结局变量可能存在误分类，导致效应估计的显著偏倚。在回归模型中解决二元结局误分类的可行性常受模型可识别性问题的阻碍。本文将此类模型中的可识别性问题刻画为“标签切换”的一种特定情形，并利用所得参数估计中的模式来解决完全数据对数似然的置换不变性。我们提出的二元结局误分类模型算法不需要金标准标签，仅依赖于灵敏度与特异度之和大于1的假设。在估计方法内应用标签切换校正以恢复无偏效应估计并估计误分类率。我们提供了开源软件以实现所提方法。我们对所提方法给出了详细的模拟研究，并将这些方法应用于2020年医疗支出面板调查（MEPS）的数据。