将环境暴露和生物监测数据的边际影响与重复测量和低于检测极限的值进行比较
I-Chen Chen1, Stephen J Bertke2, Cheryl Fairfield Estill2
1Division of Field Studies and Engineering, National Institute for Occupational Safety and Health, Centers for Disease Control and Prevention, Cincinnati, OH, USA. okv0@cdc.gov.
Journal of exposure science & environmental epidemiology
|January 22, 2024
概括
边际建模有效地分析环境数据,通过重复测量和非检测值. 这种方法提供了一致的参数估计,在偏斜和小样本数据方面表现优于现有模型.
科学领域:
- 环境健康 环境健康
- 生物监测 生物监测
- 统计建模 统计建模
背景情况:
- 环境和职业研究通常会产生右倾数据,测量值低于检测极限 (LOD).
- 现有的统计模型缺乏对小样本,高度倾斜的数据进行可靠的性能分析,没有检测和重复测量.
研究的目的:
- 评估边际建模方法,用非检测器分析纵向和集群数据.
- 为了比较各种样本大小下的概括估计方程 (GEE),二次推理函数 (QIF) 和概括时刻方法 (GMM) 的性能.
主要方法:
- 概述了GEE,QIF和GMM边际模型的理论.
- 集成的单个和多个归算技术来处理非检测值.
- 应用了小样本偏差纠正.
主要成果:
- 在小样本中,GEE证明了有效的回归参数估计.
- 在大样本中,QIF和GMM表现优越,估计结果一致,平均平方误差较低.
- 没有单一的归算方法是普遍优越的;每个都有明显的优势.
结论:
- 边际建模是一种可行的方法,用于分析与非检测的重复测量数据,只需要正确的平均结构规范.
- 经过处理非检测和应用偏差校正后,评估的方法在不同样本大小中显示出优势.
- 这些模型成功地应用于纵向和集群数据示例.
更多相关视频
08:14Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans
Published on: April 28, 2023
390
12:15Quantification of three DNA Lesions by Mass Spectrometry and Assessment of Their Levels in Tissues of Mice Exposed to Ambient Fine Particulate Matter
Published on: May 29, 2019
8.7K
