Selección Causal de Covariables para el Método de Calibración de Regresión para la Corrección del Sesgo del Error de...

Área de la Ciencia:

• Epidemiología; Bioestadística

Sus antecedentes:

• El error de medición en exposiciones continuas puede sesgar los resultados de la calibración de regresión.
• La estimación precisa de las relaciones exposición-resultado requiere abordar este sesgo.

Objetivo del estudio:

• Determinar conjuntos mínimos y eficientes de ajuste de covariables para la calibración de regresión.
• Proporcionar orientación sobre la selección de covariables utilizando conocimiento de la materia y grafos acíclicos dirigidos.

Principales métodos:

• Utilizó grafos acíclicos dirigidos (DAGs) para ilustrar los principios de selección de covariables.
• Investigó la calibración de regresión basada en imputación para la corrección del sesgo.
• Aplicó el enfoque a los datos del Health Professionals Follow-up Study.

Principales resultados:

• Identificó dos conjuntos clave de covariables: causas comunes de exposición-resultado y causas comunes de error de medición-resultado.
• Demostró que el ajuste para covariables específicas en el modelo de error de medición (MEM) y el modelo de resultado es crucial para una corrección imparcial.
• Mostró ganancias de eficiencia al ajustar para factores no de riesgo en el MEM.

Conclusiones:

• El conocimiento de la materia es vital para seleccionar covariables apropiadas en la calibración de regresión.
• El método propuesto garantiza la corrección imparcial del error de medición de la exposición.
• Se aconseja precaución al usar la calibración de regresión para la estimación de la ingesta nutricional a través de biomarcadores.