基于动态预测与界标法的时变暴露人群归因分数
应用统计
2019-08-22 v1 统计方法学
摘要
有害暴露的公共卫生影响可通过人群归因分数(PAF)来量化。PAF描述了由暴露引起的归因风险,常被解释为如果暴露被消除则可预防病例的比例。当感兴趣的暴露依赖于时间时,PAF的定义与解释会出现困难。此时,暴露与非暴露个体的定义并不直观。我们提出使用动态预测与界标法来定义并估计这种数据情形下的PAF。讨论了两个估计量,它们基于两种能以不同方式预防暴露的假设干预。考虑第一个估计量,在每个界标处估计问题被简化为与时间无关的情形。然后,通过使用考虑当前暴露状态及进一步(时变)协变量的广义线性模型即可简单地进行估计。第二个估计量基于反事实结局,可使用伪值或逆概率权重进行估计。该方法在模拟研究中进行了探究,并应用于两个数据实例。首先,我们研究一个大型法国重症监护病房患者数据库,以估计可预防由病原菌铜绿假单胞菌引起的呼吸机相关性肺炎的病原特异性干预的人群获益。此外,我们量化了乳腺癌患者局部区域与远处复发的的人群归因负担。
引用
@article{arxiv.1904.07295,
title = {The population-attributable fraction for time-dependent exposures using dynamic prediction and landmarking},
author = {Maja von Cube and Martin Schumacher and Hein Putter and Jean-Francois Timsit and Cornelis van der Velde and Martin Wolkewitz},
journal= {arXiv preprint arXiv:1904.07295},
year = {2019}
}
备注
A revised version has been submitted