利用病例描述信息降低暴露人群归因分数对偏倚的敏感性

暴露人群归因分数（\textbf{AF}$_e$），也称为暴露人群归因风险或超额分数，是指在暴露人群中可通过消除暴露而避免的疾病病例比例。了解不同暴露的\textbf{AF}$_e$有助于指导公共卫生干预。传统的\textbf{AF}$_e$推断方法假设无未测量混杂，并可能对来自未观测协变量的隐藏偏倚敏感。本文提出一种新方法，通过利用病例描述信息来降低\textbf{AF}$_e$统计推断对隐藏偏倚的敏感性。病例描述信息是指描述病例的信息，例如癌症亚型。暴露可能对某些类型病例的影响大于其他类型。我们通过渐近工具、设计敏感度与模拟研究，探讨利用病例描述信息如何降低未测量混杂引起的偏倚敏感性。我们考虑到利用病例定义信息可能通过额外的敏感度参数引入额外选择偏倚的可能性。所提方法通过使用女性健康倡议（WHI）观察性研究（OS）中基于癌症亚型（激素敏感或不敏感）的病例描述信息，重新考察饮酒与绝经后浸润性乳腺癌风险的关系得以阐明。