Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Tác động của sai số đo lường tiếp xúc trong dịch tễ học ô nhiễm không khí: ảnh hưởng của loại sai số trong các nghiên cứu chuỗi thời gian
Tóm tắt
Hai loại sai số đo lường khác nhau rõ rệt là sai số Berkson và sai số cổ điển. Tác động của sai số đo lường trong các nghiên cứu dịch tễ học về ô nhiễm không khí môi trường có khả năng phụ thuộc vào loại sai số. Chúng tôi đặc trưng hóa sai số đo lường do độ không chính xác của thiết bị và biến động không gian là sai số nhân (tức là cộng trên thang log) và mô hình hóa nó trên một loạt các loại sai số để đánh giá tác động đến ước lượng tỷ lệ rủi ro cả trên cơ sở đơn vị đo lường và trên cơ sở khoảng tứ phân vị (IQR) trong một nghiên cứu chuỗi thời gian tại Atlanta. Các số đo hàng ngày của mười hai chất ô nhiễm không khí đã được phân tích: NO2, NOx, O3, SO2, CO, khối lượng PM10, khối lượng PM2.5, và các thành phần PM2.5 sulfate, nitrate, ammonium, carbon nguyên tố và carbon hữu cơ. Phân tích semivariogram đã được áp dụng để đánh giá biến động không gian. Sai số do biến động không gian này đã được thêm vào chuỗi thời gian của chất ô nhiễm tham chiếu trên thang log bằng cách sử dụng mô phỏng Monte Carlo. Mỗi chuỗi thời gian này đã được lấy lũy thừa và đưa vào mô hình hồi quy tuyến tính tổng quát Poisson cho các lượt thăm khám tại khoa cấp cứu tim mạch. Sai số đo lường đã dẫn đến sự giảm ý nghĩa thống kê cho các ước lượng tỷ lệ rủi ro trong tất cả các lượng (tương ứng với các chất ô nhiễm khác nhau) và các loại sai số. Khi được mô hình hóa là sai số kiểu cổ điển, các tỷ lệ rủi ro bị giảm, đặc biệt là đối với các chất ô nhiễm không khí chính, với sự giảm trung bình ở các tỷ lệ rủi ro trên cơ sở đơn vị đo lường dao động từ 18% đến 92% và trên cơ sở IQR dao động từ 18% đến 86%. Khi được mô hình hóa là sai số kiểu Berkson, các tỷ lệ rủi ro trên mỗi đơn vị đo lường bị thiên lệch ra khỏi giả thuyết không với mức độ 2% đến 31%, trong khi các tỷ lệ rủi ro trên mỗi IQR bị suy giảm (tức là thiên lệch về phía không) từ 5% đến 34%. Đối với lượng sai số mô hình CO, một loạt các loại sai số đã được mô phỏng và ảnh hưởng đến thiên lệch và ý nghĩa của tỷ lệ rủi ro đã được quan sát. Đối với sai số nhân, cả lượng và loại sai số đo lường đều ảnh hưởng đến các ước lượng tác động sức khỏe trong dịch tễ học ô nhiễm không khí. Bằng cách mô hình hóa độ không chính xác của thiết bị và biến động không gian như các loại sai số khác nhau, chúng tôi ước lượng hướng và độ lớn của các tác động của sai số qua một loạt các loại sai số.
Từ khóa
#Sai số đo lường #dịch tễ học ô nhiễm không khí #sai số Berkson #sai số cổ điển #tỷ lệ rủi ro #chuỗi thời gianTài liệu tham khảo
Sarnat JA, Wilson WE, Strand M, Brook J, Wyzga R, Lumley T: Panel discussion review: session one - exposure assessment and related errors in air pollution epidemiologic studies. Journal of Exposure Science and Environmental Epidemiology. 2007, 17: S75-S82.
Carroll RJ, Ruppert D, Stefanski L: Measurement Error in Nonlinear Models. 1995, London: Chapman & Hall
Fuller WA: Measurement Error Models. 1987, Chichester: Wiley
Dominici F, Zeger SL, Samet JM: A measurement error model for time-series studies of air pollution and mortality. Biostat. 2000, 1: 157-175. 10.1093/biostatistics/1.2.157.
Strand M, Vedal S, Rodes C, Dutton SJ, Gelfand EW, Rabinovitch N: Estimating effects of ambient PM2.5 exposure on health using PM2.5 component measurements and regression calibration. Journal of Exposure Science and Environmental Epidemiology. 2006, 16: 30-38. 10.1038/sj.jea.7500434.
Ren C, Tong S: Health effects of ambient air pollution - recent research development and contemporary methodological challenges. Environmental Health. 2008, 7-
Wilson JG, Kingham S, Pearce J, Sturman AP: A review of intraurban variations in particulate air pollution: Implications for epidemiological research. Atmospheric Environment. 2005, 39: 6444-6462. 10.1016/j.atmosenv.2005.07.030.
Zeger SL, Thomas D, Dominici F, Samet JM, Schwartz J, Dockery D, Cohen A: Exposure measurement error in time-series studies of air pollution: concepts and consequences. Environmental Health Perspectives. 2000, 108: 419-426. 10.1289/ehp.00108419.
Carrothers TJ, Evans JS: Assessing the impact of differential measurement error on estimates of fine particle mortality. Journal of the Air & Waste Management Association. 2000, 50: 65-74.
Sheppard L, Slaughter JC, Schildcrout J, Liu LJS, Lumley T: Exposure and measurement contributions to estimates of acute air pollution effects. Journal of Exposure Analysis and Environmental Epidemiology. 2005, 15: 366-376. 10.1038/sj.jea.7500413.
Armstrong BG: Effect of measurement error on epidemiological studies of environmental and occupational exposures. Occupational and Environmental Medicine. 1998, 55: 651-656. 10.1136/oem.55.10.651.
Reeves GK, Cox DR, Darby SC, Whitley E: Some aspects of measurement error in explanatory variables for continuous and binary regression models. Statistics in Medicine. 1998, 17: 2157-2177. 10.1002/(SICI)1097-0258(19981015)17:19<2157::AID-SIM916>3.0.CO;2-F.
Li YH, Guolo A, Hoffman FO, Carroll RJ: Shared uncertainty in measurement error problems, with application to Nevada test site fallout data. Biometrics. 2007, 63: 1226-1236.
Mallick B, Hoffman FO, Carroll RJ: Semiparametric regression modeling with mixtures of Berkson and classical error, with application to fallout from the Nevada test site. Biometrics. 2002, 58: 13-20. 10.1111/j.0006-341X.2002.00013.x.
Goldman GT, Mulholland JA, Russell AG, Srivastava A, Strickland MJ, Klein M, Waller LA, Tolbert PE, Edgerton ES: Ambient Air Pollutant Measurement Error: Characterization and Impacts in a Time-Series Epidemiologic Study in Atlanta. Environmental Science & Technology. 2010, 44: 7692-7698. 10.1021/es101386r.
Hansen DA, Edgerton ES, Hartsell BE, Jansen JJ, Kandasamy N, Hidy GM, Blanchard CL: The southeastern aerosol research and characterization study: Part 1-overview. Journal of the Air & Waste Management Association. 2003, 53: 1460-1471.
Solomon PA, Chameides W, Weber R, Middlebrook A, Kiang CS, Russell AG, Butler A, Turpin B, Mikel D, Scheffe R, Cowling E, Edgerton E, St John J, Jansen J, McMurry P, Hering S, Bahadori T: Overview of the 1999 Atlanta Supersite Project. Journal of Geophysical Research-Atmospheres. 2003, 108-
Butler AJ, Andrew MS, Russell AG: Daily sampling of PM2.5 in Atlanta: results of the first year of the assessment of spatial aerosol composition in Atlanta study. Journal of Geophysical Research-Atmospheres. 2003, 108-
Hinkley D: On quick choice of power transformation. Applied Statistics. 1977, 26: 67-69. 10.2307/2346869.
Casado LS, Rouhani S, Cardelino CA, Ferrier AJ: Geostatistical Analysis and Visualization of Hourly Ozone Data. Atmospheric Environment. 1994, 28: 2105-2118. 10.1016/1352-2310(94)90477-4.
Wade KS, Mulholland JA, Marmur A, Russell AG, Hartsell B, Edgerton E, Klein M, Waller L, Peel JL, Tolbert PE: Effects of instrument precision and spatial variability on the assessment of the temporal variation of ambient air pollution in Atlanta, Georgia. Journal of the Air & Waste Management Association. 2006, 56: 876-888.
Metzger KB, Tolbert PE, Klein M, Peel JL, Flanders WD, Todd K, Mulholland JA, Ryan PB, Frumkin H: Ambient air pollution and cardiovascular emergency department visits. Epidemiology. 2004, 15: 46-56. 10.1097/01.EDE.0000101748.28283.97.