化学混合物在流行病学中的分析方法何时才有益？
统计方法学
2025-12-04 v1
摘要
估计暴露于化学物质混合物对健康影响面临诸多统计挑战：多个相关的暴露变量、中等至高维度，以及混合物组成部件可能存在非线性和交互式健康效应。旨在帮助研究人员选择适合其目标和数据的统计方法的化学混合物方法综述，但对实证性能的检查强调的是专为分析复杂化学混合物而设计的新方法，或其他更先进的方法，而不是在许多应用领域中广泛使用的方法。我们进行了广泛的实验比较，涵盖模拟情景，比较了更通用的方法（如广义线性模型）和专为研究化学混合物而设计的新方法（如贝叶斯核机器回归）。我们根据其控制类型I错误率、最大化检验力、提供可解释结果和准确预测的能力来评估方法。我们发现，当混合物组成部件之间存在中等相关性且暴露-响应函数不包含复杂的交互作用，或当混合物组成部件具有相反作用时，通用方法优于新方法。当存在高度交互式暴露-响应函数或高度相关的暴露变量时，新方法提供了重要的优势。我们提供了关于何时最适合不同方法的全面总结。
引用
@article{arxiv.2512.03946,
title = {When are novel methods for analyzing complex chemical mixtures in epidemiology beneficial?},
author = {Nate Wiecha and Emily Griffith and Brian J. Reich and Jane A. Hoppin},
journal= {arXiv preprint arXiv:2512.03946},
year = {2025}
}