混合暴露における半パラメトリックな相互作用の発見と推定、確率的介入を用いた

科学分野:

• 環境保健科学
• 生物統計学
• 計算生物学

背景:

• 複数の環境暴露の複合的な健康影響の評価は困難です。
• 既存の方法では、高次元データにおける複雑な相互作用に対処するのが難しいです。
• 暴露混合物の正確な分析は、公衆衛生にとって重要です。

研究 の 目的:

• 非パラメトリックな定義を用いた相互作用の発見と効率的な推定を容易にします。
• 複合環境暴露における相互作用を分析するための新しい半パラメトリック法であるInterXshiftを導入します。
• 複雑な暴露ダイナミクスとその健康アウトカムの理解のための堅牢なツールを提供します。

主な方法:

• 確率的シフト介入とアンサンブル機械学習を活用します。
• ターゲット付き最大尤度推定（TMLE）とクロスバリデーションを介して推定される、モデルに依存しないターゲットパラメータを採用します。
• 相乗的/拮抗的効果を検出するために、共同介入と個別の暴露介入の結果を比較します。

主要な成果:

• InterXshiftは、シミュレーションとNIEHS Mixtures Workshopのデータによって検証された、真の相互作用の方向性と有意な影響を効果的に特定します。
• 多重暴露相互作用のための高次元データセットの分析における有効性を示しました。
• 白血球テロメア長に対するフラン暴露の相互作用を調査するためにNHANESデータに適用されました。

結論:

• InterXshiftは、環境保健研究のための実質的な方法論的改善を提供します。
• 大規模データセットにおける複雑な暴露ダイナミクスの分析を強化します。
• コミュニティの採用と応用を容易にするためのオープンソースRパッケージが利用可能です。