Background stratified Poisson regression analysis of cohort data.
Background stratified Poisson regression analysis of cohort data.
复制标题
背景分层泊松回归分析队列数据。
DOI：
10.1007/s00411-011-0394-5
复制
发表时间：
2012-03
影响因子：
1.7
通讯作者：
Langholz B
中科院分区：
文献类型：
--
作者：
Richardson DB;Langholz B
背景分层泊松回归是一种方法，已被用于分析来自各种流行病学重要的辐射暴露人群的研究，包括铀矿工人，核工业工人和原子弹爆炸幸存者的数据。我们描述了一种新的方法来拟合泊松回归模型，该模型通过背景分层调整一组协变量，同时直接估计主要关注的辐射-疾病关联。该方法利用泊松似然的表达式，该表达式将特定于层的指标变量的系数视为“滋扰”变量，并且避免了明确估计这些特定于层的参数的系数的需要。对数线性模型，以及其他一般的相对速率模型，被容纳。这种方法是说明使用的数据从日本原子弹爆炸幸存者的寿命研究和数据从地下铀矿工人的研究。从这种“条件”回归方法获得的点估计值和置信区间与使用无条件泊松回归获得的值相同，其中每个背景层的模型项。此外，它表明，所提出的方法允许估计的背景分层泊松回归模型的非标准形式，如参数化的延迟效应的模型，以及回归模型中的层的数量是大的，从而克服了以前可用的统计软件的限制，用于拟合背景分层泊松回归模型。
Background stratified Poisson regression is an approach that has been used in the analysis of data derived from a variety of epidemiologically important studies of radiation-exposed populations, including uranium miners, nuclear industry workers, and atomic bomb survivors. We describe a novel approach to fit Poisson regression models that adjust for a set of covariates through background stratification while directly estimating the radiation-disease association of primary interest. The approach makes use of an expression for the Poisson likelihood that treats the coefficients for stratum-specific indicator variables as ‘nuisance’ variables and avoids the need to explicitly estimate the coefficients for these stratum-specific parameters. Log-linear models, as well as other general relative rate models, are accommodated. This approach is illustrated using data from the Life Span Study of Japanese atomic bomb survivors and data from a study of underground uranium miners. The point estimate and confidence interval obtained from this ‘conditional’ regression approach are identical to the values obtained using unconditional Poisson regression with model terms for each background stratum. Moreover, it is shown that the proposed approach allows estimation of background stratified Poisson regression models of non-standard form, such as models that parameterize latency effects, as well as regression models in which the number of strata is large, thereby overcoming the limitations of previously available statistical software for fitting background stratified Poisson regression models.
登录
查看更多内容
影响因子：
5
作者：
Richardson, David B.
通讯作者：
Richardson, David B.
影响因子：
5
作者：
FROME, EL;CHECKOWAY, H
通讯作者：
CHECKOWAY, H
影响因子：
5.5
作者：
Cummings, P;McKnight, B;Greenland, S
通讯作者：
Greenland, S
DOI：
10.1093/jnci/87.11.817
发表时间：
1995-06-07
期刊：
JOURNAL OF THE NATIONAL CANCER INSTITUTE
影响因子：
--
作者：
LUBIN, JH;BOICE, JD;PIERCE, DA
通讯作者：
PIERCE, DA
影响因子：
3.4
作者：
Cardis, E.;Vrijheid, M.;Veress, K.
通讯作者：
Veress, K.