使用测试负面设计来估计标量免疫措施的保护作用:模拟分析分析

科学领域:

• 流行病学 流行病学
• 免疫学 免疫学 免疫学
• 生物统计学 生物统计学

背景情况:

• 暴露近位抗体水平,或标量保护相关值 (COP),对于评估疫苗接种后或感染后的感染风险至关重要.
• 测试负面设计 (TND) 是从疫苗有效性研究中改编的,是估计COP与感染风险之间的关系的拟议方法.
• 在现实的流行病条件下,TND对于持续免疫措施的有效性需要进一步研究.

研究的目的:

• 评估测试负面设计 (TND) 的有效性,以估计保护相关值 (COP) 和感染风险之间的关系.
• 在各种流行病情景下,在TND框架内比较物流回归和通用添加模型 (GAMs) 的性能.
• 确定最佳的分析方法来建模抗体水平和感染风险之间的连续关系.

主要方法:

• 基于个体的传播模型被用来模拟流行病情景,免疫力减弱和增强.
• 感染风险被建模为COP的函数,考虑线性和非线性关系.
• 测试负设计 (TND) 样本使用逻辑回归和通用添加模型 (GAMs) 进行分析,模型有效性以平均绝对误差进行评估.

主要成果:

• 转换后勤回归准确地恢复了真正的COP-感染发病率比率关系,当功能形式已知时,即使有混.
• 一般化添加模型 (GAM) 在参数模型被错误指定的情况下,与后勤回归相比,表现优越,特别是在大样本大小和广泛的COP覆盖的情况下.
• 平均绝对误差被用来量化模型的有效性,表明恢复真实关系的准确性.

结论:

• 测试负面设计 (TND) 是一种潜在有效的方法,用于使用保护相关值 (COP) 估计感染风险.
• 一般化添加模型 (GAMs) 提供了一个更灵活和更强大的替代物流回归,当COP-感染关系的功能形式是未知的.
• 半参数方法如GAMs被推用于强大的TND研究与抗体测量,因为它们有能力处理复杂的关系.