使用从高维代谢物中开发的生物标志物进行回归校准

科学领域:

• 营养流行病学 营养流行病学
• 生物统计学 生物统计学
• 慢性疾病研究 慢性疾病研究

背景情况:

• 自我报告的饮食摄入量的系统测量错误在研究饮食与疾病关系方面构成了重大挑战.
• 现有的回归校准方法需要客观测量的生物标志物来校正错误,而这些生物标志物对于大多数饮食成分来说是有限的.

研究的目的:

• 提出一种新的方法,使用高维客观测量来构建更广泛的饮食成分生物标志物.
• 通过纠正测量错误,更准确地估计饮食与疾病的关联.
• 在高维回归模型中调查和解决差异估计方面的挑战.

主要方法:

• 开发一种方法,从高维的客观测量来构建饮食生物标志物.
• 应用差异估计技术,包括交叉验证,自由度校正估计器和重新装配的交叉验证 (RCV).
• 进行了广泛的模拟,以评估拟议估计器的有限样本性能.
• 对妇女健康倡议队列数据的分析.

主要成果:

• 提出的方法有效地构建了许多饮食成分的生物标志物.
• 差异估计技术在高维设置中提供可靠的估计.
• 应用于妇女健康倡议数据的应用可以了解/摄入量和心血管疾病的关联.

结论:

• 这种新的方法通过克服传统生物标志物可用性的局限性,提高了研究饮食与疾病相关性的能力.
• 开发的差异估计方法对于在高维的营养流行病学中进行可靠的推断至关重要.
• 这项工作为研究人员研究饮食因素对慢性疾病风险的影响提供了宝贵的工具.