Time series regression studies in environmental epidemiology.
Time series regression studies in environmental epidemiology.
复制标题
DOI：
10.1093/ije/dyt092
复制
发表时间：
2013-08
影响因子：
7.7
通讯作者：
Armstrong B
中科院分区：
文献类型：
--
作者：
Bhaskaran K;Gasparrini A;Hajat S;Smeeth L;Armstrong B
时间序列回归研究已被广泛用于环境流行病学，特别是在调查空气污染，天气变量或花粉等暴露与死亡率，心肌梗死或特定疾病住院等健康结果之间的短期关联。通常情况下，对于接触和结果，定期提供数据（例如每日污染水平和每日死亡人数），目的是探索它们之间的短期关联。在这篇文章中，我们描述了时间序列数据的一般特征，我们概述了分析过程，从描述性分析开始，然后专注于时间序列回归中不同于其他回归方法的问题：在存在季节性和长期模式的情况下建模短期波动，处理随时间变化的混杂因素和建模延迟（“滞后”）暴露和结果之间的关联。最后，我们将给出关于模型检查和敏感性分析的建议，以及对基本模型的一些常见扩展。
Time series regression studies have been widely used in environmental epidemiology, notably in investigating the short-term associations between exposures such as air pollution, weather variables or pollen, and health outcomes such as mortality, myocardial infarction or disease-specific hospital admissions. Typically, for both exposure and outcome, data are available at regular time intervals (e.g. daily pollution levels and daily mortality counts) and the aim is to explore short-term associations between them. In this article, we describe the general features of time series data, and we outline the analysis process, beginning with descriptive analysis, then focusing on issues in time series regression that differ from other regression methods: modelling short-term fluctuations in the presence of seasonal and long-term patterns, dealing with time varying confounding factors and modelling delayed (‘lagged’) associations between exposure and outcome. We finish with advice on model checking and sensitivity analysis, and some common extensions to the basic model.
登录
查看更多内容
影响因子：
105.7
作者：
Katsouyanni, K;Touloumi, G;Anderson, HR
通讯作者：
Anderson, HR
DOI：
10.1111/1467-985x.00170
发表时间：
2000-01-01
影响因子：
2
作者：
Dominici, F;Samet, JM;Zeger, SL
通讯作者：
Zeger, SL
影响因子：
6.3
作者：
Katsouyanni, K;Schwartz, J;Anderson, HR
通讯作者：
Anderson, HR
影响因子：
6.1
作者：
GRANGER, CWJ
通讯作者：
GRANGER, CWJ
影响因子：
9.8
作者：
Jimenez, E.;Linares, C.;Diaz, J.
通讯作者：
Diaz, J.