Estimating exposure response functions using ambient pollution concentrations
本文提出了一种估计环境危害对健康影响的方法。这一方法是一般性的，但在这里适用于空气污染的情况。它使用一个包含环境污染和温度输入的计算机模型，模拟城市地区个人经历的暴露，同时纳入确定暴露的机制。该模型的输出包括来自感兴趣群体的个体样本的一组每日暴露。这些每日暴露量近似于参数分布，因此可以生成随机选择的个体的预测暴露量分布。这些分布，然后纳入一个分层贝叶斯框架（推理使用马尔可夫链蒙特卡罗模拟），以检查短期变化之间的关系，暴露和健康结果，同时考虑到长期趋势，季节性，潜在的混杂因素的影响和生态偏见的可能性。本文采用这种方法来颗粒污染（PM $_{10}$）和呼吸道死亡率计数老年人在大伦敦（$\geq$ 65年）在1997年。在这一实质性流行病学研究中，对环境浓度和（估计）个人接触对健康的影响进行了比较。
2007-10-31 stat.AP
Noise Emissions from Hyperscale AI Data Centers: A Poorly Characterized Exposure at the Doorstep of Community Health Research
Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）
针对超大规模AI数据中心噪声暴露数据稀缺且不具可比性的问题，本文综述现有证据并提出基于标准的现场测量与建模协议，以生成频率分辨数据，支撑社区健康与环境正义评估。
2026-10-06 stat.AP
Performance of variable and function selection methods for estimating the non-linear health effects of correlated chemical mixtures: a simulation study
用于识别相关混合物中有害化学品的统计方法通常假设在确定性-响应关系中是线性的。越来越多地认识到非单调关系（例如，对于干扰内分泌的化学品）;然而，尚未评估非单调性对接触选择的影响。在一项模拟研究中，我们评估了贝叶斯核机器回归（BKMR），贝叶斯加性回归树（BART），贝叶斯结构加性回归与穗板先验（BSTARSS）和套索惩罚回归的性能。我们使用了来自美国国家健康和营养检查调查的孕妇暴露于12种邻苯二甲酸酯和苯酚的数据，使用多变量copula来模拟真实的暴露数据。我们模拟了N = 250的数据集，并在32种场景中比较了方法，这些场景因模型大小和稀疏性、信噪比、相关性结构和确定性-响应关系形状而异。我们比较了方法的灵敏度，特异性和估计准确性。在大多数情况下，BKMR和BSTARSS获得了中度至高度的特异性（分别为0.56- 0.91和0.57- 0.96）和敏感性（分别为0.49- 0.98和0.25- 0.97）。BART的特异性高（$\geq$ 0.96），但敏感性低至中等（0.13--0.66）。Lasso的敏感性很高（0.75- 0.99），除了对称的倒U形关系（$\leq$ 0.2）。性能受信噪比的影响，但基本上不受相关结构的影响。假设线性的惩罚回归方法，如套索，可能不适合假设与结果有非单调关系的环境化学品的研究。相反，BKMR和BSTARSS是有吸引力的方法，灵活地估计的形状的…
2019-08-05 stat.AP
Quantifying disparities in air pollution exposures across the United States using home and work addresses
虽然人类流动性在确定空气污染暴露和健康风险方面发挥着至关重要的作用，但迄今为止的研究仅根据居住地点评估风险。在这里，我们利用了美国约1.3亿工人的数据库，并公布了2011-2018年期间的PM2.5数据，以探讨如何将工作场所和居住地点的信息结合起来，改变我们对空气污染暴露差异的理解。一般来说，我们观察到工作场所暴露（W）相对于家庭暴露（H）更高，以及非白人和受教育程度较低的工人相对于全国平均水平的暴露增加。工作场所暴露的差异在种族和民族群体以及工作类型之间高于收入，教育，年龄和性别。不考虑工作场所的暴露可能会导致系统性低估这些亚人群之间的暴露差异。我们还量化了分配工人H的错误，而不是加权的家庭和工作（HW）暴露。我们观察到，使用H而不是HW的PM2.5和健康影响之间的关联偏差在城市，年轻人群中最高。
2023-03-22 stat.AP
The cost of clean air: a price analysis of air filtration technology
空气污染是一个有害的，但日益猖獗的全球人口的健康问题。暴露于空气污染物的时间长短不一，可能导致多种健康状况，从短期支气管炎到长期心血管疾病和肺癌。在长期暴露于污染的情况下，对污染引起的健康状况进行医疗可能相当昂贵。对抗污染对健康危害的最直接和有效的方法是空气净化器，它吸收环境空气并过滤掉有害污染物，然后将其释放回周围环境。过滤器在减少空气污染方面非常有效，并且通过相关性，减少因暴露而住院治疗。对52种常见的空气净化器进行了分析，以比较加利福尼亚州四个县严重空气污染水平期间的采购和维护成本。这种方法使得清洁空气的“成本”能够被正确地看待，即，价格与医疗保健和其他费用的成本，人口年龄和预先存在的条件相比。
2022-08-11 stat.AP
Time-varying exposure history and subsequent health outcomes: a two-stage approach to identify critical windows
长期行为和健康危险因素构成了慢性病病因学研究的主要焦点。然而，确定风险因素对疾病风险影响最大的关键时间窗口是一项挑战。为了评估暴露史与结果的关联轨迹，提出了加权累积暴露指数（WCIE），其权重反映了不同时间暴露的相对重要性。然而，WCIE仅限于完全观察到的无误差曝光，而曝光通常以间歇性缺失和误差进行测量。此外，它很少探讨接触史，这是非常遥远的结果，通常寻求在生命过程流行病学。我们将WCIE方法扩展到（i）间歇性测量误差的暴露，以及（ii）暴露时间窗口先于结果时间窗口的情况下，使用地标方法。首先，使用处理曝光测量中的缺失数据和误差的混合模型来估计直到标志时间的个体曝光历史，并且导出预测的完整无误差曝光历史。然后应用WCIE方法来评估预测的暴露历史和标志性时间后收集的健康结果之间的关联轨迹。在我们的背景下，健康结果是使用混合模型分析的纵向标记。仿真研究首先证明了这种方法得到的正确推断。然后，将其应用于护士健康研究（19，415名女性），以调查BMI历史（从中年收集）与70岁后认知能力下降之间的关系。总之，这种方法，易于实施，提供了一个灵活的工具，研究复杂的动态关系，并确定关键的时间窗口，同时占曝光测量误差。
2021-02-25 stat.AP stat.ME
Adolescent sports participation and health in early adulthood: An observational study
基于纵向数据，通过层级匹配观察性研究和有序检验，发现青少年参与体育运动相比不参与任何课后活动，在成年早期具有显著更好的自评健康与心理健康结果。
2024-05-06 stat.AP
Bayesian Methods for Modeling Cumulative Exposure to Extensive Environmental Health Hazards
针对广泛性环境健康危害的累积空间暴露建模难题，提出一种结合剂量-反应模型与对数高斯考克斯过程的贝叶斯半参数模型，并在模拟与墨西哥废水运河数据中验证了其有效性与计算可行性。
2024-07-25 stat.AP stat.ME
A Source-Oriented Approach to Coal Power Plant Emissions Health Effects
人们越来越关注不同来源的空气污染是否对健康有不同的影响。特别是，最近的证据表明，细颗粒物（PM2.5）与化学示踪剂表明煤炭燃烧的起源是特别有害的。通过因果推断方法的估计来增加这一知识，以确定来自特定燃煤点源的PM2.5对健康的影响，将是为具体的、有针对性的干预措施提供信息的重要一步。我们调查了783个燃煤发电机组的燃煤排放对居住在美国东部21，351个邮政编码的1900多万医疗保险受益人缺血性心脏病（IHD）住院的影响。我们使用InMAP，一种新开发的，降低复杂性的空气质量模型，将每个邮政编码分类为高暴露或控制位置。我们的健康结果分析使用了一种因果推断方法--倾向得分匹配--来调整暴露与IHD之间关系的潜在混杂因素。我们拟合独立的泊松回归模型，以匹配数据在每个地理区域，以估计发病率比IHD比较高暴露于控制位置。在东北部（IRR = 1.08，95%CI = 1.06，1.09）和东南部（IRR = 1.06，95%CI = 1.04，1.08），高暴露于燃煤电厂排放和IHD呈正相关。在中西部工业区未发现显著相关性（IRR = 1.02，95% CI = 1.00，1.04），可能是该地区高暴露和对照邮政编码之间暴露对比较小的结果。这项研究提供了有针对性的证据，证明特定燃煤电厂的排放量与医疗保险受益人的IHD住院率之间存在关联。
2019-02-26 stat.AP
A varying-coefficient model for characterizing duration-driven heterogeneity in flood-related health impacts
Harvard T.H. Chan School of Public Health（哈佛陈曾熙公共卫生学院）
本文提出EDVCM模型，用于分析洪水暴露持续时间对健康影响的异质性，通过贝叶斯方法和条件泊松回归提高估计精度。
2026-01-26 stat.AP stat.ME
Climate Vulnerability and Community Health: Identifying Greensboro Neighborhoods at Intersectional Risk
East Carolina University（东卡罗来纳大学）；Texas State University（德克萨斯州立大学）
本研究通过综合气候脆弱性评估，识别格罗弗尔特市高风险社区，揭示气候风险与社会不平等的交集，为政策制定提供针对性干预框架。
2026-01-15 stat.AP
Inferring Synergistic and Antagonistic Interactions in Mixtures of Exposures
针对环境流行病学中化学混合物暴露的协同与拮抗相互作用评估难题，提出贝叶斯SAID框架，将响应曲面分解为主效应与成对交互效应以检测相互作用，并通过模拟实验与NHANES数据验证其优越性。
2024-05-29 stat.AP
Pre-analysis protocol for an observational study on the effects of adolescent sports participation on health in early adulthood
本文提出一项基于层级暴露定义和有序检验的观察性研究方案，利用纵向数据评估不同层级青少年体育参与对成年早期身心健康的影响。
2023-11-30 stat.AP
Identifying main effects and interactions among exposures using Gaussian processes
这篇文章的动机是研究不同化学品暴露对人类健康结果的联合影响的问题。这本质上是一个非参数回归问题，人们的兴趣不是集中在预测的黑盒上，而是集中在主效应和交互作用的选择上。为了便于解释，我们将预期的健康结果分解为线性主效应、成对交互作用和非线性偏差。我们的兴趣是在这些不同的组件，占不确定性和解决之间的线性和非参数组件的半参数模型的不可识别性模型模型选择。我们提出了一个贝叶斯推理方法，将变量选择先验的不同组件，并开发了一个马尔可夫链蒙特卡罗（MCMC）算法。我们的方法的一个关键组成部分是纳入遗传约束，只包括存在主效应的相互作用，有效地减少了模型搜索的维度。我们适应的投影方法开发的空间统计学文献中执行可识别性建模的非参数组件使用高斯过程。我们还采用了一个降维的策略来采样的非线性随机效应，帮助混合的MCMC算法。建议的混合选择框架进行评估，使用模拟研究，并说明使用的数据从国家健康和营养检查调查（NHANES）。代码可以在GitHub上找到。
2020-04-16 stat.AP
Bayesian Kernel Machine Regression via Random Fourier Features for Estimating Joint Health Effects of Multiple Exposures
Emory University（埃默里大学）
本文提出通过随机傅里叶特征改进贝叶斯核机回归，以高效估计多种暴露的联合健康效应。
2026-01-29 stat.AP stat.ME
Multiple exposure distributed lag models with variable selection
分布式滞后模型在环境流行病学中很有用，因为它们允许用户调查暴露的关键窗口，定义为暴露于污染物对健康结果产生不利影响的时间段。最近的研究侧重于估计大量环境暴露或环境混合物对健康结果的健康影响。在这种情况下，重要的是要了解哪些环境暴露会影响特定的结果，同时承认不同的暴露可能有不同的关键窗口。此外，在环境混合物的研究中，重要的是要确定暴露之间的相互作用，并考虑到这种相互作用可能发生在具有不同临界窗口的两种暴露之间。早期暴露于一种暴露可能导致个体或多或少地对后来的另一种暴露敏感。我们提出了一个贝叶斯模型来估计大量暴露对结果的时间影响。我们使用尖峰和板先验和半参数分布滞后曲线，以确定重要的曝光和曝光的相互作用，并讨论扩展与改进的功率来检测有害的曝光。然后，我们应用这些方法来估计怀孕期间暴露于多种空气污染物对出生体重的影响，从科罗拉多州的重要记录。
2021-07-30 stat.AP stat.ME
Bridging observational studies and randomized experiments by embedding the former in the latter
环境暴露对健康的影响已经研究了几十年，通常使用标准回归模型来评估观察性非实验数据中发现的风险-结果关联。我们提出并说明了一种不同的方法来检查因果关系的影响，环境暴露对健康结果的观测数据。我们的策略试图将观察数据结构化，以近似来自假设但现实的随机实验的数据。该方法基于经典试验设计，包括四个阶段，并在其中两个阶段依靠现代计算技术来实现，具体而言，我们的策略包括：1）概念阶段，涉及精确表述因果问题，即假设的随机实验，其中暴露被分配到单位; 2）设计阶段，试图重建（或近似）在观察到任何结果数据之前的随机化实验，3）比较假设随机化实验的暴露和非暴露单元中的感兴趣结果的统计分析，以及4）总结阶段，提供关于暴露对结果的可能因果影响的大小的统计证据的结论。我们说明我们的方法使用一个例子，检查父母吸烟对儿童的肺功能收集在家庭生活在东波士顿在20世纪70年代的影响。为了补充传统的纯粹基于模型的方法，我们的策略，其中包括结果自由匹配抽样，提供了可行的工具，以量化可能对人类健康结果的有害暴露影响，特别是因为它还包括透明的诊断，以评估假设的四阶段统计方法正在应用。
2017-09-19 stat.AP
Automatic Region-wise Spatially Varying Coefficient Regression Model: an Application to National Cardiovascular Disease Mortality and Air Pollution Association Study
通过分析美国3100个县的年度空气污染和心血管疾病死亡率的国家数据库（区域数据），我们开发了一种新的统计框架，以自动检测空气污染暴露与健康结果之间的空间变化区域关联。自动区域式空间变化系数模型包括三个部分：我们首先计算所有空间单元的医疗-健康结果关联之间的相似性矩阵，然后基于邻接矩阵将整个地图分割成一组不相交的区域，其中约束条件是区域内的所有空间单元是连续的并且具有相似的关联，最后估计暴露与健康结果之间的区域特定关联。我们实现的框架，使用回归和谱图技术。我们开发了模型评估和模型选择的拟合优度标准。仿真研究证实了我们的模型令人满意的性能。我们进一步采用我们的方法来研究小于2.5微米的空气中颗粒物（PM 2.5）与心血管疾病死亡率之间的关系。研究结果成功地确定了死亡率与PM 2.5之间存在明显关联的地区，这可能为环境健康研究提供有见地的指导。
2015-11-18 stat.AP
Timescale effect estimation in time-series studies of air pollution and health: A Singular Spectrum Analysis approach
大量流行病学数据表明，肺和心血管不良事件的死亡率/发病率与空气污染之间存在关联，但尽管数据丰富，但这些关联所暗示的程度仍不确定。在本文中，我们描述了一个SSA（奇异谱分析）为基础的方法，以分解的时间序列的颗粒物浓度到一组暴露变量，每一个代表一个不同的时间尺度。我们实施我们的方法，调查急性和长期的影响，$PM_{10}$暴露的发病率从呼吸系统的原因在城市地区的巴里，意大利。
2008-06-16 stat.AP
A scalable two-stage Bayesian approach accounting for exposure measurement error in environmental epidemiology
本文提出基于Vecchia近似的稀疏多元正态先验两阶段贝叶斯方法，用于在环境流行病学中可扩展地处理暴露测量误差和空间错位问题，并通过模拟及哈里斯县出生结局数据分析验证其性能接近完全贝叶斯金标准。
2024-01-14 stat.AP stat.ME
Low-rank longitudinal factor regression with application to chemical mixtures
针对发育流行病学中多暴露因素关联分析的挑战，提出低秩纵向因子回归模型，可处理高相关暴露、灵活表征时变与交互效应，仿真验证有效并在ELEMENT研究中发现特定邻苯二甲酸酯代谢物与青春期糖代谢改变相关。
2024-10-29 stat.AP
Network of Low-cost Air Quality Sensor for Monitoring Indoor, Outdoor, and Personal PM2.5 Exposure in Seattle during the 2020 Wildfire Season
美国西部野火发生频率的增加引起了公众的担忧。暴露于野火烟雾与癌症和心肺疾病的风险增加有关。循证干预措施可以减轻野火烟雾对健康的不利影响。野火期间的公共卫生指导是基于具有有限时空分辨率的区域空气质量数据。我们展示了使用低成本颗粒物（PM）传感器网络来收集西雅图市区七个地点的室内，室外和个人PM2.5暴露数据，以及2020年华盛顿野火事件期间居住在其中一个地点的居民佩戴的个人暴露监测器。这些数据被用来确定PM浓度室内/室外（I/O）比，PM减少，和个人暴露水平。结果表明，配备高效微粒空气（HEPA）过滤器和HVAC过滤系统的位置的I/O比（中位数I/O = 0.43）显著低于未配备空气过滤系统的位置（中位数I/O = 0.82）。使用HEPA的地点的PM2.5减少中位数为58%，而没有HEPA的地点为20%。室外PM传感器显示出较高的相关性，附近的区域空气质量监测站（R2 = 0.93）。当用户移动通过不同的微环境时，个人监测器显示出PM测量的高方差，并且不能完全由室内或室外监测器的网络表征。研究结果表明，可以根据室内，室外传感器的组合开发基于证据的干预措施，以减少污染暴露。在个人的呼吸区进行的个人暴露监测提供了捕捉PM暴露时间峰值的最高保真度数据。
2022-03-26 stat.AP
Kernel Machine and Distributed Lag Models for Assessing Windows of Susceptibility to Environmental Mixtures in Children's Health Studies
怀孕期间暴露于环境化学品可能会改变以后的健康状况。大多数关于母亲在怀孕期间接触化学品的研究都集中在以高时间分辨率观察到的单一化学品接触上。最近的研究已经转向关注暴露于多种化学品的混合物，通常在单个时间点观察到。我们认为，在高的时间分辨率观察到的化学混合物的数据分析的统计方法。作为动机，我们分析了暴露于四个环境空气污染物之间的关联，每周观察整个妊娠期和出生体重在波士顿地区的前瞻性出生队列。为了探索数据中的模式，我们首先应用分析数据的方法（1）以高时间分辨率观察到的单一化学物质，以及（2）在单个时间点测量的混合物。我们强调了这些方法的缺点，暴露于化学混合物的时间分辨数据。其次，我们提出了一种新的方法，贝叶斯核机器回归分布滞后模型（BKMR-DLM），同时占非线性协会和随时间变化的措施之间的相互作用暴露于混合物。BKMR-DLM对每个暴露使用函数权重，该函数权重在内核机器框架内参数化与该暴露对应的易感性窗口，该内核机器框架捕获多变量暴露对结果的非线性和交互作用。在模拟研究中，我们表明，所提出的方法可以更好地估计的曝光响应函数，并在高信号设置，可以识别关键窗口的时间，在此期间，曝光与结果的关联性增加。将所提出的方法应用于波士顿出生队列数据，我们发现有机碳和出生体重之间存在负相关的证据，硝酸盐修饰了有机碳，…
2021-09-22 stat.AP stat.ME
The population-attributable fraction for time-dependent exposures and competing risks - A discussion on estimands
人口归因分数（PAF）量化了有害暴露对公共卫生的影响。尽管是一项非常重要的措施，但尚未明确定义容纳复杂事件发生时间数据的估计量。我们讨论了目前的估计PAF用于量化的公共健康影响的内部时间依赖性暴露的数据受到竞争的结果。为了克服一些局限性，我们提出了一种新的估计，这是基于动态预测的地标。在一个深刻的模拟研究中，我们讨论了各种被估量及其估计量的解释和性能。该方法应用于一个大型的法国数据库，以估计呼吸机相关性肺炎对重症监护患者的健康影响。
2019-04-18 stat.AP stat.ME
Methods for Estimating the Exposure-Response Curve to Inform the New Safety Standards for Fine Particulate Matter
本研究通过72种模拟情景比较七种ERC估计方法，并基于6800多万名Medicare受益人数据发现低浓度$PM_{2.5}$下死亡风险急剧上升，支持制定更严格限值。
2023-06-05 stat.AP
Evaluating differential air quality impacts of prescribed fire and wildfire in the United States
Department of Biostatistics, Columbia University Mailman School of Public Health（哥伦比亚大学麦尔曼公共卫生学院生物统计学系）；School of Marine and Atmospheric Sciences, Stony Brook University（石溪大学海洋与大气科学学院）；Program in Public Health, Stony Brook University（石溪大学公共卫生项目）；Department of Environmental Medicine, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院环境医学系）
本研究利用美国三州火灾数据与因果森林方法，量化比较规定火烧与野火对空气质量的影响，发现规定火烧每平方公里人群烟雾暴露低六倍以上，并识别出湿度与降水为关键影响因素，为风险效益评估提供依据。
2026-09-14 stat.AP
Assessing the Longitudinal Impact of Environmental Chemical Mixtures on Children's Neurodevelopment: A Bayesian Approach
本文提出贝叶斯变系数分位数回归模型，用于评估化学混合物对儿童神经发育的纵向影响，通过马蹄先验处理高维稀疏数据，并在HOME研究中验证了其有效性。
2024-04-19 stat.AP
Modelling the Spatially Varying Non-Linear Effects of Heat Exposure
本文提出融合非线性函数与BYM2模型的贝叶斯框架，基于瑞士市镇死亡和气温数据量化热相关死亡的空间不平等及其驱动因素。
2025-10-21 stat.AP
Data Integration Model for Air Quality: A Hierarchical Approach to the Global Estimation of Exposures to Ambient Air Pollution
空气污染是全球健康的一个主要风险因素，环境和家庭空气污染是全球总体疾病负担的重要组成部分。对健康产生不利影响的主要驱动因素之一是细颗粒物环境污染（PM $_{2.5}$），据估计，每年有300万人死亡可归因于此。估计照射的主要信息来源是地面监测网络的测量结果，但是，尽管覆盖范围正在扩大，但仍有一些区域的监测有限。因此，地面监测数据需要补充其他来源的信息，如卫星反演的气溶胶光学厚度和化学传输模型。提出了一种用于集成来自多个来源的数据的分层建模方法，该方法允许地面测量和估计空气质量的其他因素之间的空间变化关系。在贝叶斯框架内，由此产生的空气质量数据集成模型（DIMAQ）用于在覆盖全球的高分辨率网格上估计暴露以及相关的不确定性措施。这种规模的贝叶斯分析在计算上可能具有挑战性，这里使用集成嵌套拉普拉斯近似进行近似贝叶斯推断。模型选择和评估是通过交叉验证进行的，最终的模型提供了大幅增加的预测精度，特别是在有稀疏的地面监测的地区，当与目前的方法相比：均方根误差（RMSE）从17.1减少到10.7，人口加权RMSE从23.1到12.1 $μ$ gm $^{-3}$。基于每个网格单元的后验分布的总结，估计世界上92%的人口居住在超过世界卫生组织空气质量指南的地区。
2016-09-26 stat.AP
Severe flooding and cause-specific hospitalization in the United States
该研究利用卫星洪水暴露数据与Medicare住院记录，分析2000—2016年美国严重洪水对多类病因住院的影响，发现洪水后至少四周内神经系统、皮肤及损伤中毒等住院风险升高，且与社区黑人比例相关，提示需加强医院备灾。
2023-09-22 stat.AP
Temperature and Respiratory Emergency Department Visits: A Mediation Analysis with Ambient Ozone Exposure
Emory University（埃默里大学）
本研究通过因果中介分析，探讨高温通过环境臭氧对呼吸科急诊就诊的影响，揭示了臭氧在其中的中介作用。
2026-08-10 stat.AP
Causal inference and machine learning approaches for evaluation of the health impacts of large-scale air quality regulations
我们开发了一种因果推断方法，通过改变暴露于多种污染物来估计大规模空气质量法规预防的不良健康事件的数量。这种做法的动机是影响其职权范围内所有领域污染水平的法规。我们引入了一个因果估计量，称为总事件避免（TEA）的规定，定义为在不受管制的污染暴露下的健康事件的预期数量和健康事件的观察数量的差异与管制污染暴露。我们提出了一种匹配方法和机器学习方法，利用高分辨率，人口水平的污染和健康数据来估计TEA。我们的方法通过澄清因果识别假设，利用人口水平的数据，最大限度地减少参数假设，并同时考虑多种污染物的影响，改进了传统的监管健康影响分析方法。为了减少模型依赖性，TEA估计仅捕获数据中预期无监管特征在观察到的监管数据支持范围内的单元的健康影响，从而提供保守但数据驱动的评估，以补充传统的参数方法。我们应用这些方法来调查1990年清洁空气法案修正案在美国医疗保险人群的健康影响。
2019-09-15 stat.AP stat.ME
Spatial Temporal Aggregated Predictors to Examine Built Environment Health Effects
我们提出了时空聚合预测（STAP）建模框架，以解决测量和估计问题时出现的建筑环境特征（BEF）和健康结果之间的关系进行评估。许多BEF可以被映射为点位置，因此传统的曝光度量是基于预先指定的空间单元内的特征的数量。最适合特定健康结果的空间单位或空间尺度的大小是未知的，其选择不可避免地影响估计的健康影响。一个相关的问题是缺乏对时间尺度的了解-或对BEF对健康结果产生全面影响所需的暴露时间长度的了解。拟议的STAP模型使研究人员能够估计空间和时间尺度为一个给定的BEF在数据驱动的方式，从而提供了一个灵活的解决方案，测量结果和空间接近点参考曝光之间的关系。模拟研究验证了我们的方法的有效性，估计规模以及之间的联系，BEFs的可用性和健康结果。我们应用这种方法来估计超市和BMI之间的时空关联使用多民族动脉粥样硬化研究的数据，证明该方法的适用性队列研究。
2021-05-21 stat.AP stat.ME
Treatment Effect Heterogeneity and Importance Measures for Multivariate Continuous Treatments
本文针对多元连续暴露的处理效应估计问题，提出灵活的非参数贝叶斯方法，引入刻画处理效应异质性的新估计量并给出估计程序，通过后验收缩率提供理论支持，并在PM$_{2.5}$组分暴露健康效应研究中验证了方法有效性。
2025-01-03 stat.AP stat.ME
Optimal-Design Domain-Adaptation for Exposure Prediction in Two-Stage Epidemiological Studies
在两阶段研究的第一阶段，研究人员使用统计模型来估算未观察到的暴露。在第二阶段，估算的暴露作为流行病学模型的协变量。第一阶段中的插补误差作为第二阶段中的测量误差操作，并且因此使曝光效应估计产生偏差。本研究旨在通过第一阶段和第二阶段之间的信息共享来改善暴露效应的估计。我们估计量的核心是观察到，并非所有第二阶段的观察都同样重要。因此，我们借用最优实验设计理论的思想，以确定更重要的个体。然后，我们使用领域适应的机器学习文献中的思想来改进这些个体的估算。我们的模拟证实，暴露效应估计比目前的最佳实践更准确。实证证明得出PM对高血糖风险影响的估计值较小，置信区间较紧。环境科学家和流行病学家之间的信息共享可改善健康影响评估。我们的估计器是利用这种信息交换的原则性方法，并且可以应用于任何两阶段研究。
2021-07-15 stat.AP
Persistence of Natural Disasters on Children's Health: Evidence from the Great Kanto Earthquake of 1923
这项研究利用1923年的一次灾难性地震来分析自然灾害对儿童健康的长期影响。我发现胎儿暴露在日本关东大地震中对灾区的女孩有发育不良的影响。救灾支出有助于在小学年龄后期纠正男孩的发育迟缓，而它并没有改善女孩的发育迟缓，这表明产前选择机制和出生后的补偿投资。母亲因害怕振动和预期未来余震而产生的精神压力在不利的健康影响中发挥了作用，而母亲因身体破坏而产生的营养压力也加剧了这些影响。
2021-09-16 stat.AP
Integrating Temporal Disaggregation and Distributed Lag Nonlinear Models for Bayesian Spatio-Temporal Disease Mapping with High-Resolution Environmental Exposures
KU Leuven（荷语鲁汶大学）；Hasselt University（哈瑟尔特大学）；Clinton Health Access Initiative（克林顿健康准入倡议）；National Malaria Control Program, Ministry of Health（卫生部国家疟疾控制项目）；University of Birmingham（伯明翰大学）
该研究提出整合时间分解与分布滞后非线性模型的贝叶斯时空框架，结合高分辨率环境暴露开展疟疾制图，在莫桑比克数据上验证其提升了预测精度，可用于研究环境延迟效应并扩展至多类疾病。
2026-08-21 stat.AP
Practical large-scale spatio-temporal modeling of particulate matter concentrations
在过去的二十年里，科学和监管部门对颗粒物（PM）的健康影响产生了浓厚的兴趣。描述个人慢性暴露特征的有影响力的流行病学研究依赖于在空间和时间上稀少的监测数据，因此它们经常在大的地理区域和不同的时间为参与者分配相同的暴露。我们估计每月PM在1988- 2002年在一个大的空间域用于研究护士健康研究的健康影响。我们开发了一个概念上简单的时空模型，使用了丰富的协变量集。该模型用于估计整个时间段的$PM_{10}$浓度和该时间段子集的$PM_{2.5}$浓度。在这一时期的早期，1988- 1998年，很少有$PM_{2.5}$监测器在运行，因此我们开发了一个简单的扩展模型，该模型以$PM_{10}$模型预测为条件代表$PM_{2.5}$。在流行病学分析中，$PM_{10}$的模型预测与健康影响的相关性比使用更简单的方法估计暴露时更强。我们的建模方法支持的应用程序，估计精细和大规模的空间异质性和捕捉空间-时间的相互作用，通过使用每月变化的空间表面。同时，该模型在计算上是可行的，可以用标准软件实现，并且易于为科学受众所理解。尽管简化了假设，该模型具有良好的预测性能和不确定性表征。
2009-06-08 stat.AP
A mixture of distributed lag non-linear models to account for spatially heterogeneous exposure-lag-response associations
University of Valencia（瓦伦西亚大学）
针对传统分布式滞后非线性模型忽略空间异质性的问题，提出DLNM-Clust混合模型，在贝叶斯框架下将地理单元概率分配到不同滞后响应簇，以比利时空气污染与COVID-19关系为例验证其有效性。
2026-06-23 stat.AP stat.ME
Bayesian kernel machine regression for heteroscedastic health outcome data
本文针对环境流行病学中BKMR模型误差项恒定方差假设不成立的问题，开发了异方差HBKMR方法，通过贝叶斯分层方差模型更新健康效应估计，并在两项真实金属暴露案例中显著提升了模型拟合度。
2025-05-29 stat.AP stat.ME
How Close and How Much? Linking Health Outcomes to Built Environment Spatial Distributions
建筑环境特征（BEF）是指人类建筑环境的各个方面，这些方面反过来又可能支持或限制与健康相关的行为，从而影响健康。在本文中，我们有兴趣了解快餐店（FFR）的空间分布和数量是否会影响学龄儿童肥胖的风险。为了实现这一目标，我们提出了一个两阶段的贝叶斯分层建模框架。在第一阶段，检查FFR相对于某些参考位置（在我们的情况下，学校）的位置，我们将FFR与这些参考位置的距离建模为非齐次泊松过程（IPP）的实现。为了识别FFR暴露的代表性空间模式，我们使用贝叶斯非参数观点并指定嵌套狄利克雷过程先验来建模IPP的强度函数。第二阶段模型将暴露模式与肥胖联系起来，提供了两种不同的方法来适应第一阶段估计的暴露模式中的不确定性：在第一种方法中，学校一级肥胖的几率根据聚类指标进行回归，每个聚类指标代表暴露于FFR的主要模式。在第二，我们采用贝叶斯核机器回归与肥胖的几率多变量向量报告的相似程度的一个给定的学校，所有其他学校。我们对加利福尼亚学龄儿童中FFR发生模式对肥胖的影响的分析表明，2010年，在一致分配到一个集群的学校中，与其他学校相比，在1英里半径内最远FFR发生的学校就读的9年级学生肥胖的几率较低。
2020-10-14 stat.AP stat.ME
Integrating Biological Knowledge in Kernel-Based Analyses of Environmental Mixtures and Health
环境健康研究的一个关键目标是评估污染物混合物造成的风险。由于对混合物进行流行病学研究的成本可能很高，因此研究人员有必要将有关混合物的先验知识纳入他们的分析中。这项工作扩展了贝叶斯多指标模型（BMIM），该模型假设污染响应函数是一组污染物线性组合的非参数函数，该组合由一组特定的污染权重组成。该框架是有吸引力的，因为它结合了响应面方法的灵活性与线性指数模型的可解释性。我们提出了三种策略，将先前的毒理学知识的指数在BMIM的建设：（a）约束指数权重，（b）结构化指数权重的暴露转换，（c）将信息先验的指数权重。我们提出了一种新的事先规范，结合钉板变量选择与信息狄利克雷分布的基础上，相对效力的因素往往来自以前的毒理学研究。在模拟中，我们表明，所提出的先验信息时，先验信息是正确的，可以防止天真的毒理学模型时，先验信息是不正确的误指定。此外，不同的策略可以混合和匹配不同的索引，以适应可用的信息（或缺乏）。我们证明了所提出的方法从国家健康和营养检查调查的数据分析，并纳入先前的信息，从文献中的毒性当量因子获得的相对化学效价。
2022-03-31 stat.AP stat.ME
On the PM2.5 -- Mortality Association: A Bayesian Model for Spatio-Temporal Confounding
University G. d’Annunzio of Chieti-Pescara（阿布鲁佐大学）；McGill University（麦吉尔大学）
本文提出一种贝叶斯模型，用于研究PM2.5与死亡率的关联，通过分解时空尺度的暴露效应以减少混杂偏差，并揭示夏季暴露效应的峰值可能与颗粒物与气温的相互作用有关。
2026-01-27 stat.AP stat.ME
A new statistical approach for joint modeling of longitudinal outcomes measured in electronic health records with clinically informative presence and observation processes
针对EHR中信息性存在与观测引发的关联估计偏差问题，提出联合建模框架EHRJoint，同时建模三类过程，经模拟和真实数据验证可得到无偏的暴露效应估计。
2025-05-22 stat.AP stat.ME
Smooth and shape-constrained quantile distributed lag models
针对传统分布滞后模型无法捕捉暴露-结局关系异质性及极端分位数临床价值的问题，提出两种带光滑性与形状约束的分位数分布滞后模型估计量，经科罗拉多出生队列数据验证可有效识别孕期易感关键窗口。
2024-08-15 stat.AP stat.ME
Considering parallel tempering and comparing post-treatment procedures in Bayesian Profile Regression Models for a survival outcome and correlated exposures
Autorité de Sûreté Nucléaire et de Radioprotection (ASNR)（核安全与辐射防护局）；PSE-SANTE/SESANE/LEPID；Université Paris Cité（巴黎西岱大学）；CNRS, Inserm, P-MIM, BioSTM（法国国家科学研究中心、INSERM、P-MIM、BioSTM）
本文提出改进MCMC算法以避免后验分布局部模式并减少计算时间，通过模拟研究比较不同后处理程序的性能，应用于辐射流行病学中的生存结果分析。
2025-12-29 stat.AP stat.ME
A Tutorial on Conducting Mediation Analysis with Exposure Mixtures
本文介绍了暴露混合物中介分析的常用方法，包括SE-MA、主成分、环境风险评分和贝叶斯核机器回归法，通过模拟研究和PROTECT队列数据评估其性能并提供实施指导。
2025-09-13 stat.AP stat.ME
Multivariate incremental effects for continuous treatments: Studying the health effects of environmental mixtures
University of Florida（佛罗里达大学）
针对连续型多元暴露（如空气污染混合物）违背正性假设的问题，提出基于指数倾斜的因果推断框架，定义公平比较不同干预方向的因果估计量，并开发高效一步估计、黎曼BFGS算法等理论方法，应用于全国环境健康数据以优化PM2.5化学混合物干预策略。
2026-06-12 stat.AP stat.ME
A hierarchical model for estimating exposure-response curves from multiple studies
炉灶替代试验发现，其对呼吸健康的影响好坏参半。个体研究的浓度范围有限和样本量小是可能限制其统计功效的重要因素。我们提出了一个分层的方法来模拟暴露浓度和汇集数据，从多个研究，以估计一个共同的风险-反应曲线。暴露浓度模型适应时间稀疏，集群纵向观察。在适应异质性聚类数据的同时，确定性-响应曲线模型提供了确定性-响应关系的灵活的半参数估计。我们将此模型应用于尼泊尔儿童炉灶和呼吸道感染的三项研究的数据，这些研究代表三种研究类型：交叉试验，平行试验和病例对照研究。我们发现的证据增加疾病的几率之间的颗粒物浓度为50和200 $μ$ g/m $^3$和一个平坦的曝光浓度更高的风险-响应曲线。我们提出的模型可以纳入其他研究，并适用于其他设置。
2019-08-14 stat.AP stat.ME
A Hierarchical Integrative Group LASSO (HiGLASSO) Framework for Analyzing Environmental Mixtures
环境健康研究越来越多地测量多种污染物，以确定暴露混合物对健康的联合影响。然而，潜在的剂量-反应关系之间的毒物和健康结果的利益可能是高度非线性的，可能的非线性相互作用的影响。现有的惩罚回归方法，占暴露的相互作用，不能容纳非线性相互作用，同时保持强大的遗传性或计算不稳定的应用程序有限的样本量。在本文中，我们提出了一个一般的收缩和选择框架，以确定值得注意的非线性的主要和相互作用的影响之间的一组曝光。我们设计了分层综合组LASSO（HiGLASSO），以（a）对双向交互效应施加强遗传约束（分层），（b）在不需要初始系数估计的情况下加入自适应权重（综合），以及（c）在尊重组结构的同时诱导变量选择的稀疏性（组LASSO）。我们证明了所提出的方法的稀疏性，并将HiGLASSO应用于来自LIFECODES出生队列的环境毒物数据集，其中研究人员有兴趣了解21种尿毒物生物标志物对尿8-异前列烷的联合影响，这是一种氧化应激的测量方法。HiGLASSO的实现在higlasso R包中提供，可通过Comprehensive R Archive Network访问。
2020-03-28 stat.AP stat.ME
Bayesian Inference for Spatially-Temporally Misaligned Data Using Predictive Stacking
本文提出贝叶斯预测堆叠方法，结合多个时空模型分析错位的空气污染与健康数据，避免MCMC收敛问题，并应用于加州臭氧对哮喘影响的研究。
2025-05-30 stat.AP stat.ME
Identification of vaccine effects when exposure status is unknown
随机对照试验（RCT）的结果有助于确定疫苗接种策略和相关的公共卫生政策。然而，即使在随机对照试验中，也很难定义和识别可以指导传染病环境中政策的被估量。疫苗接种的效果主要取决于目标人群的特征，如感染率、接种人数和社会行为。为了减轻对这些特征的依赖，被估量和研究设计，需要调节或干预暴露于感染因子已经被提倡。但随机对照试验和观察性研究的一个根本问题是，暴露状态往往不可用或难以测量，这使得不可能应用现有的方法来研究解释暴露状态的疫苗效应。在这项工作中，我们提出了这种类型的疫苗效果的新结果。在合理的条件下，我们表明，点识别某些相对影响是可能的，即使当暴露状态是未知的。此外，我们得到了相应的绝对效果的急剧的界限。我们应用这些结果来估计ChAdOx 1 nCoV-19疫苗对SARS-CoV-2疾病（COVID-19）的影响，条件是疫苗后暴露于病毒，使用来自大型RCT的数据。
2023-01-20 stat.AP stat.ME
ConvSCCS: convolutional self-controlled case series model for lagged adverse event detection
随着电子健康记录（EHR）的大型数据库的可用性增加，有机会加强健康风险筛查。药品不良反应（ADR）的上市后检测大多依赖于医生的自发报告，导致漏报。为了应对这一挑战，我们开发了一个可扩展的模型来估计多个纵向特征（药物暴露）对罕见纵向结果的影响。我们的程序是基于一个条件泊松模型，也被称为自我控制的情况下系列（SCCS）。我们使用曝光和阶跃函数之间的卷积来模拟结果的强度，这些函数使用组Lasso和总变差的组合进行惩罚。这种方法不需要指定精确的风险期，并允许在同一模型中同时研究几种风险。我们说明了这样一个事实，即这种方法提高了最先进的估计相对风险的模拟和糖尿病患者的队列，从大型法国国家健康保险数据库（SNIIRAM），一个SQL数据库建立在超过6500万人的医疗报销。这项工作是在理工学院和CNAMTS（负责SNIIRAM）之间的研究伙伴关系的背景下完成的。
2018-01-25 stat.AP stat.ME stat.ML
Semiparametric Methods for Exposure Misclassification in Propensity Score-Based Time-to-Event Data Analysis
在流行病学中，确定暴露变量对事件发生时间的影响是一个具有实际重要性的经典研究领域。在Cox回归模型中增加倾向得分，作为控制混杂因素的一种措施，在结果罕见时具有一定的优势。然而，在涉及暴露测量具有中度至显著误差的情况下，在Cox模型中使用倾向得分识别暴露效应仍然是一个具有挑战性但尚未解决的问题。在本文中，我们提出了一种估计方程方法来纠正暴露分类错误导致的暴露-结果关联估计偏差。我们还讨论了所提出的估计量的渐近性质和渐近方差。我们进行了模拟研究，以评估所提出的估计在各种设置的性能。作为一个例子，我们应用我们的方法来纠正错误分类引起的偏见，在估计PM2.5水平与肺癌死亡率的关联使用一个全国性的前瞻性队列，护士健康研究（NHS）。所提出的方法可以使用我们的用户友好的R函数在线发布。
2019-06-08 math.ST stat.AP stat.ME
