Điều chỉnh lỗi Berkson trong phân tích hồi quy logistic thông thường và có điều kiện cũng như trong hồi quy Poisson
Tóm tắt
INTEROCC là một nghiên cứu đoàn hệ được thực hiện tại bảy quốc gia về các phơi nhiễm nghề nghiệp và nguy cơ ung thư não, bao gồm phơi nhiễm nghề nghiệp với các trường điện từ (EMF). Trong sự thiếu hụt dữ liệu về các phơi nhiễm cá nhân, Ma trận Phơi nhiễm Nghề nghiệp (JEM) có thể được sử dụng để xây dựng các kịch bản phơi nhiễm có khả năng xảy ra trong môi trường nghề nghiệp. Công cụ này được xây dựng dựa trên các tóm tắt thống kê về phơi nhiễm EMF cho nhiều loại nghề nghiệp khác nhau đối với một nhóm công nhân tương đương.
Trong nghiên cứu này, chúng tôi sử dụng dữ liệu từ Canada trong INTEROCC để xác định ước lượng/phương pháp thay thế phơi nhiễm EMF tốt nhất từ ba phương pháp thay thế được lựa chọn phù hợp từ JEM, cùng với một phương pháp thay thế thứ tư dựa trên điều chỉnh lỗi Berkson, thu được thông qua xấp xỉ số học của hàm khả năng. Trong bài viết này, chúng tôi xem xét trường hợp mà các phơi nhiễm được phân phối gamma cho mỗi nghề nghiệp trong JEM, như một sự thay thế cho phân phối phơi nhiễm log-normal được xem xét trong một nghiên cứu trước đó do nhóm nghiên cứu của chúng tôi thực hiện. Chúng tôi cũng nghiên cứu việc sử dụng những phương pháp thay thế này và điều chỉnh lỗi Berkson trong hồi quy Poisson và hồi quy logistic có điều kiện.
Các mô phỏng cho thấy rằng các phương pháp điều chỉnh lỗi Berkson được giới thiệu cho các phân tích không phân loại cung cấp ước lượng chính xác về nguy cơ phát triển khối u trong trường hợp mô hình phơi nhiễm gamma. Ngược lại, và dưới một số giả định kỹ thuật, trung bình cộng là phương pháp thay thế tốt nhất khi mô hình phân phối gamma được sử dụng làm mô hình phơi nhiễm. Các mô phỏng cũng cho thấy không có phương pháp hiện tại nào có thể cung cấp một ước lượng chính xác về nguy cơ trong trường hợp phân tích có phân loại.
Mặc dù nghiên cứu trước của chúng tôi đã phát hiện ra rằng trung bình hình học là phương pháp thay thế phơi nhiễm tốt nhất, nghiên cứu hiện tại cho thấy phương pháp thay thế tốt nhất phụ thuộc vào mô hình phơi nhiễm; trung bình cộng trong trường hợp mô hình phơi nhiễm gamma và trung bình hình học trong trường hợp mô hình phơi nhiễm log-normal. Tuy nhiên, chúng tôi có thể cung cấp một phương pháp điều chỉnh lỗi Berkson tốt hơn cho mỗi trong hai mô hình phơi nhiễm. Kết quả của chúng tôi cung cấp hướng dẫn hữu ích về việc áp dụng JEM cho các đánh giá phơi nhiễm nghề nghiệp, với điều chỉnh cho lỗi Berkson.
Từ khóa
Tài liệu tham khảo
Oraby T, Sivaganesan S, Bowman J, et al. Berkson error adjustment and other exposure surrogates in occupational case-control studies, with application to the Canadian INTEROCC study. J Expo Sci Environ Epidemiol. 2018;28:251–8.
Mantel N, Haenszel W. Statistical aspects of the analysis of data from retrospective studies of disease. J Natl Cancer Inst. 1959;22(4):718–48.
Truett J, Cornfield J, Kannel W. A multivariate analysis of the risk of coronary heart disease in Framingham. J Chronic Dis. 1967;20:511–24.
Prentice RL. Covariate measurement errors and parameter estimation in a failure time regression model. Biometrika. 1982;69(2):331–42.
Breslow NE. Regression analysis of the log odds ratio: a method for retrospective studies. Biometrics. 1976;32(2):409–16.
Breslow NE, Day NE. Conditional logistic regression for matched sets Chapter 7 in Statistical Methods in Cancer Research, Volume I - The Design and Analysis of Case-Control Studies. International Agency for Research on Cancer Lyon (IARC Scientific Publications). 1980; 32: 247–279.
Prentice RL, Pyke R. Logistic desease incidence models and case-control studies. Biometrika. 1979;66(3):403–11.
Breslow NE, Day NE, Halvorsen KT, Prentice RL, Sabai C. Estimation of multiple relative risk functions in matched case-control studies. Am J Epidemiol. 1978;108(4):299–307.
Wang CY, Carroll RJ. On robust estimation in logistic case-control studies. Biometrika. 1993;80(1):237–41.
Zhang B. Prospective and restrospective analyses under logistic regression models. J Multivar Anal. 2006;97(1):211–30.
Carroll RJ, Ruppert D, Stefanski LA. Measurement error in nonlinear models. Boca Raton: CRC press; 1995.
Crump KS, Chiu WA, Subramaniam RP. Issues in using human variability distributions to estimate low-dose risk. Environ Health Perspect. 2010;118(3):387–93. https://doi.org/10.1289/ehp.0901250.
Parsons DJ, Whelan MJ, Bevan R. Probabilistic modelling for assessment of exposure via drinking water. Bedford: Final Report of Project Defra WT1263/DWI 70/2/273; 2012.
Lacourt A, Cardis E, Pintos J, et al. INTEROCC case–control study: lack of association between glioma tumors and occupational exposure to selected combustion products, dusts, and other chemical agents. BMC Public Health. 2013;13:340.
Cardis E, Richardson L, Deltour I, Armstrong B, Feychting M, Johansen C, Kilkenny M, McKinney P, Modan B, Sadetzki S, Schuz J, Swerdlow A, Vrijheid M, Auvinen A, Berg G, Blettner M, Bowman J, Brown J, Chetrit A, Christensen HC, Cook A, Hepworth S, Giles G, Hours M, Iavarone I, Jarus-Hakak A, Klaeboe L, Krewski D, Lagorio S, Lonn S, Mann S, McBride M, Muir K, Nadon L, Parent ME, Pearce N, Salminen T, Schoemaker M, Schlehofer B, Siemiatycki J, Taki M, Takebayashi T, Tynes T, van Tongeren M, Vecchia P, Wiart J, Woodward A, Yamaguchi N. The INTERPHONE study: design, epidemiological methods, and description of the study population. Eur J Epidemiol. 2007;22:647–64.