Nonparametric Bayesian Functional Meta-Regression: Applications in Environmental Epidemiology
Nonparametric Bayesian Functional Meta-Regression: Applications in Environmental Epidemiology
复制标题
非参数贝叶斯函数元回归：在环境流行病学中的应用
DOI：
10.1007/s13253-020-00409-z
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Chung Y
中科院分区：
文献类型：
--
作者：
Yu J;Park J;Choi T;Hashizume M;Kim Y;Honda Y;Chung Y
两阶段荟萃分析已广泛用于流行病学研究，通过分析从多个地点收集的时间序列数据来调查环境暴露与健康反应之间的关系。第一阶段估计特定于位置的关联，而第二阶段汇集跨位置的关联。第二阶段通常采用特定位置的预测因子（即元预测因子）来解释位置之间的异质性，称为元回归。现有的第二阶段元回归依赖于参数假设，不适应功能元预测因子和空间依赖性。基于这些局限性，我们的研究提出了一种非参数贝叶斯元回归，它放宽了参数假设，并结合了功能元预测因子和空间依赖性。本文提出的元回归是通过使用Dirichlet过程（DP）或局部DP混合物对关联参数和功能元预测因子进行联合建模而形成的。在这样做的过程中，功能元预测器由标准正交基的系数简洁地表示。将所提出的模型应用于(1)温度-死亡率关联研究和(2)自杀季节性研究，并通过模拟研究进行验证。本文附带的补充资料出现在网上。
Two-stage meta-analysis has been popularly used in epidemiological studies to investigate an association between environmental exposure and health response by analyzing time-series data collected from multiple locations. The first stage estimates the location-specific association, while the second stage pools the associations across locations. The second stage often incorporates location-specific predictors (i.e., meta-predictors) to explain the between-location heterogeneity and is called meta-regression. The existing second-stage meta-regression relies on parametric assumptions and does not accommodate functional meta-predictors and spatial dependency. Motivated by these limitations, our research proposes a nonparametric Bayesian meta-regression which relaxes parametric assumptions and incorporates functional meta-predictors and spatial dependency. The proposed meta-regression is formulated by jointly modeling the association parameters and the functional meta-predictors using Dirichlet process (DP) or local DP mixtures. In doing so, the functional meta-predictors are represented parsimoniously by the coefficients of the orthonormal basis. The proposed models were applied to (1) a temperature–mortality association study and (2) suicide seasonality study, and validated through a simulation study.Supplementary materials accompanying this paper appear online.
登录
查看更多内容
DOI：
10.1198/106186007x238855
发表时间：
2007-09-01
影响因子：
2.4
作者：
Lau, John W.;Green, Peter J.
通讯作者：
Green, Peter J.
DOI：
10.1198/016214502753479266
发表时间：
2002-03-01
影响因子：
3.7
作者：
Dominici, F;Daniels, M;Samet, JM
通讯作者：
Samet, JM
非参数贝叶斯多元元回归：在环境流行病学中的应用
DOI：
10.1111/rssc.12256
发表时间：
2018
期刊：
Journal of the Royal Statistical Society: Series C (Applied Statistics)
影响因子：
--
作者：
Gyuseok Sim;Ho Kim;A. Zanobetti;J. Schwartz;Yeonseung Chung
通讯作者：
Yeonseung Chung
影响因子：
10.4
作者：
Kim, Yoonhee;Kim, Ho;Hashizume, Masahiro
通讯作者：
Hashizume, Masahiro
自杀与环境温度：多城市多国家研究
DOI：
--
发表时间：
2019
期刊：
影响因子：
--
作者：
Tagai K;Ono M;Kubota M;Kitamura S;Takahata K;Seki C;Takado Y;Shinotoh H;Sano Y;Yamamoto Y;Matsuoka K;Takuwa H;Shimojo M;(24人省略);Shimada H.;Kim Yoonhee
通讯作者：
Kim Yoonhee