Improving External Validity of Epidemiologic Cohort Analyses: A Kernel Weighting Approach.
Improving External Validity of Epidemiologic Cohort Analyses: A Kernel Weighting Approach.
复制标题
DOI：
10.1111/rssa.12564
复制
发表时间：
2020-06
期刊：
影响因子：
--
通讯作者：
Li Y
中科院分区：
文献类型：
--
作者：
Wang L;Graubard BI;Katki HA;Li Y
由于各种原因，队列研究通常放弃获得总体代表性样本所需的概率抽样。然而，这些队列缺乏人口代表性，这使得仅在队列中可用的新健康因素的人口患病率估计无效。为了提高队列估计的外部有效性，我们提出了一种核加权（KW）方法，该方法使用调查数据作为参考，为队列创建伪权重。对千瓦估计提出了一个折刀方差。在模拟中，KW方法在保持置信区间覆盖率的同时，在均方误差方面优于现有的两种基于倾向分数的加权方法。我们采用所有方法，以美国代表性国家健康访谈调查（NHIS）的样本作为参考，从非代表性美国NIH-AARP队列中估计美国人口死亡率和各种疾病的患病率。假设NHIS的估计是正确的，与现有的基于倾向分数的加权方法相比，KW方法产生的估计偏差通常更小。
For various reasons, cohort studies generally forgo probability sampling required to obtain population representative samples. However, such cohorts lack population-representativeness, which invalidates estimates of population prevalences for novel health factors only available in cohorts. To improve external validity of estimates from cohorts, we propose a kernel weighting (KW) approach that uses survey data as a reference to create pseudo-weights for cohorts. A jackknife variance is proposed for the KW estimates. In simulations, the KW method outperformed two existing propensity-score-based weighting methods in mean-squared error while maintaining confidence interval coverage. We applied all methods to estimating US population mortality and prevalences of various diseases from the non-representative US NIH-AARP cohort, using the sample from US-representative National Health Interview Survey (NHIS) as the reference. Assuming that the NHIS estimates are correct, the KW approach yielded generally less biased estimates compared to the existing propensity-score-based weighting methods.
登录
查看更多内容
影响因子：
5
作者：
Fry A;Littlejohns TJ;Sudlow C;Doherty N;Adamska L;Sprosen T;Collins R;Allen NE
通讯作者：
Allen NE
DOI：
10.1111/j.1467-9876.2010.00731.x
发表时间：
2011-01-01
影响因子：
1.6
作者：
Li, Yan;Graubard, Barry I.;DiGaetano, Ralph
通讯作者：
DiGaetano, Ralph
影响因子：
5.4
作者：
Nohr, EA;Frydenberg, M;Olsen, J
通讯作者：
Olsen, J
影响因子：
3.7
作者：
Lee BK;Lessler J;Stuart EA
通讯作者：
Stuart EA
影响因子：
2.7
作者：
Beaumont, Jean-Francois
通讯作者：
Beaumont, Jean-Francois