Bayesian Nonparametric Adjustment of Confounding
观察性研究的分析日益面临的挑战是，确定需要哪些可能的高维可用协变量集来满足因果效应估计的可验证治疗分配假设。我们提出了一种贝叶斯非参数方法，同时1）根据现有的混杂因素选择原则优先纳入调整变量; 2）以允许混杂因素，暴露和结果之间复杂关系的方式估计因果效应; 3）提供因果估计，说明混杂性质的不确定性。该提案依赖于多个贝叶斯加性回归树模型的规范，这些模型与一个共同的先验分布联系在一起，该先验分布根据与暴露和关注结果的关联将后验选择概率累积到协变量。一组广泛的模拟研究表明，所提出的方法相对于类似动机的方法在各种情况下表现良好。我们部署的方法来调查燃煤电厂的排放对环境空气污染浓度的因果影响，由于当地和区域气象因素的混淆前景引入了不确定性周围的一组高维测量变量的混淆作用。最终，我们表明，所提出的方法产生更有效的和更一致的结果在相邻年份比替代方法，贷款强度的证据之间的因果关系的二氧化硫排放量和环境颗粒物污染。
2022-03-22 stat.ME
Moderation effects and elasticities in compositional regression with a total. Application to Bayesian spatiotemporal modelling of all-cause mortality from environmental stressors
University of Girona（赫罗纳大学）；Centro de Investigación Biomédica en Red de Epidemiología y Salud Pública, Instituto de Salud Carlos III（公共卫生与流行病学生物医学研究中心，卡洛斯三世健康研究所）
本文提出了一种基于贝叶斯空间时间建模的方法，用于分析环境压力源对全部原因死亡率的影响，考虑总效应和调节效应。
2025-05-12 stat.AP stat.ME
Efficient Bayesian inference for two-stage models in environmental epidemiology
本文提出高效算法解决环境流行病学中两阶段模型的联合贝叶斯推断问题，提高估计精度和不确定性校准。
2025-12-19 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
Approximate Bayesian inference for multivariate point pattern analysis in disease mapping
我们提出了一种新的方法来分析多变量病例对照地理参考数据，使用贝叶斯推断的背景下，疾病映射，不同类型的癌症的空间分布进行了分析。扩展点模式分析中的其他方法，我们提出了一个对数高斯Cox过程的点模式的情况下，控制，占风险因素，如暴露于污染源，并包括一个术语来衡量空间残差变化。对于每种疾病，其强度是根据基线空间效应（根据对照和病例估计）、疾病特异性空间项和对解释风险因素的协变量的影响建模的。通过拟合这些模型，可以评估协变量对病例集的影响，并且可以很容易地比较残差空间项，以检测协变量无法解释的高风险区域。三种不同类型的影响模型暴露于污染源被认为是。首先，固定效应对源的距离。接下来，使用距离上的平滑项通过一阶离散随机游动和具有Matérn协方差的一维高斯过程来建模非线性效应。使用集成嵌套拉普拉斯近似（INLA）拟合模型，以便使用基于求解随机偏微分方程（SPDE）的方法来近似空间项。最后，这个新的框架被应用到三种不同类型的癌症的数据集和一组控制阿尔卡拉德埃纳雷斯（马德里，西班牙）。可用的协变量包括与几个污染行业的距离和社会经济指标。我们的研究结果指出，由于靠近其中一些行业，可能会增加风险。
2019-03-27 stat.ME
Bayesian Distributed Lag Interaction Models to Identify Perinatal Windows of Vulnerability in Children's Health
流行病学研究支持母亲在怀孕期间暴露于空气污染与儿童健康不良结果之间的联系。在暴露评估和统计方面的进展使人们能够估计脆弱性和暴露效应异质性的关键窗口。脆弱性和效应异质性窗口的同时估计可以通过拟合按亚组分层的分布滞后模型（DLM）来完成。但是，这可能无法完整地说明子组之间的效应如何变化，因为它不允许子组具有相同的窗口但具有不同的窗口内效应，或者具有不同的窗口但具有相同的窗口内效应。由于某些发育过程的时间在婴儿亚群中是共同的，而对于其他亚群，时间不同，在评估产前暴露的健康风险时，这两种情况都很重要。我们提出了一种新的方法，分区的DLM到一个受约束的功能预测，估计窗口的脆弱性和直接代表窗口内的效果的标量效应。所提出的方法允许仅在窗口中的异质性，仅在窗口内的效果，或两者兼而有之。在模拟研究中，我们表明，一个模型假设一个共享的组件跨组的结果在较低的偏差和均方误差的估计窗口和效果时，该组件实际上是恒定的跨组。我们应用所提出的方法来估计窗口的脆弱性之间的关联产前暴露于细颗粒物和每一个出生体重和哮喘发病率，并估计这些协会如何不同的性别和母亲的肥胖状态，在波士顿地区的前瞻性出生前队列研究。
2016-12-17 stat.ME
Confounder-Dependent Bayesian Mixture Model: Characterizing Heterogeneity of Causal Effects in Air Pollution Epidemiology
本文提出依赖混杂因素的贝叶斯混合模型（CDBMM），利用依赖狄利克雷过程识别具有相似群体平均处理效应的互斥人群群体，并在Medicare数据中发现PM2.5对死亡率因果效应的六个异质性群体。
2023-10-30 stat.AP stat.ME
Controlling for unmeasured confounding and spatial misalignment in long-term air pollution and health studies
由于最近广泛提供了空间参照污染和疾病数据，现在通常使用空间生态研究来估计长期暴露于空气污染对健康的影响。然而，这种面积单位研究设计提出了一些统计挑战，如果忽视这些挑战，就有可能使估计的污染-健康关系产生偏差。一个这样的挑战是如何控制空间自相关存在于数据中的已知协变量后，这是由未测量的混杂。第二个挑战是如何调整模型的函数形式，以考虑到污染和疾病数据之间的空间错位，这种错位导致污染数据的区域内变化。在现有的长期空间空气污染和健康研究中，这些挑战在很大程度上被忽视了，因此在这里，我们提出了一种新的贝叶斯分层模型，可以解决这两个挑战，并提供软件，允许其他人将我们的模型应用于他们自己的数据。该模型的有效性进行了比较，通过模拟对一些国家的最先进的替代品在文献中提出的，然后被用来估计的影响，二氧化氮和颗粒物浓度对呼吸道医院的入院率在英格兰的一项新的流行病学研究在2010年在地方当局的水平。
2014-12-15 stat.AP
Penalized Distributed Lag Interaction Model: Air Pollution, Birth Weight and Neighborhood Vulnerability
本文提出带惩罚的分布滞后交互模型，通过引入连续修饰变量与暴露历史的交互项，刻画空气污染对出生体重影响的个体异质性，并在科罗拉多出生队列中验证其优于标准DLM。
2024-02-21 stat.ME
Scalable Gaussian Process Regression Via Median Posterior Inference for Estimating Multi-Pollutant Mixture Health Effects
Google Research（谷歌研究）；Department of Statistics University of California Davis（加州大学戴维斯分校统计系）；Department of Environmental Health Harvard University（哈佛大学环境健康系）；Department of Biostatistics Harvard University（哈佛大学生物统计学系）
本文提出基于中位数后验推断的分治策略，解决大规模数据下高斯过程回归的计算瓶颈，应用于估计环境污染物混合物对出生体重的影响。
2026-04-07 stat.ME
Bayesian inference for case-control point pattern data in spatial epidemiology with the \texttt{inlabru} R package
本研究针对空间流行病学中的病例-对照点模式数据分析问题，提出基于inlabru R包和INLA方法的贝叶斯分析框架，可评估空间风险变异、风险因素及污染源效应，经Chorley-Ribble数据集验证结果与文献一致。
2025-03-19 stat.CO stat.ME
Wavelet-Based Bayesian Hierarchical Modeling with Regularized Horseshoe Priors for Spatially Correlated Functional Data
Instituto de Matemática, Estatística e Computação Científica. Universidade Estadual de Campinas(UNICAMP)（坎皮纳斯州立大学数学、统计与科学计算研究所）
该研究针对空间相关功能数据，提出带正则化马蹄先验的小波贝叶斯分层模型，能稳定预测未监测位置的污染物曲线及不确定性，在墨西哥城PM₁₀数据上表现优于对比方法。
2026-08-28 stat.ME
Bayesian adaptive and interpretable functional regression for exposure profiles
妊娠期接触污染物是一个已知的对生育和健康结果不利的因素。然而，产前空气污染暴露与教育成果之间的联系尚不清楚，特别是怀孕期间易感性的关键窗口。使用一个大的队列的学生在北卡罗来纳州，我们研究了产前每日$\mbox{PM}_{2.5}$暴露和第四年底的年级阅读成绩之间的联系。我们开发和应用一个局部自适应和高度可扩展的贝叶斯回归模型的标量响应函数和标量预测。该模型将B样条基扩展与动态收缩先验配对，以捕获回归表面中的平滑和快速变化的特征。该模型是伴随着一个新的决策分析方法的功能回归，提取敏感性的关键窗口，并指导模型的解释。这些工具有助于识别和解决函数回归模型的可解释性的广泛限制。仿真研究表明，更准确的点估计，更精确的不确定性量化，和更优越的窗口选择比现有的方法。利用所提出的建模，计算和决策分析框架，我们得出结论，产前$\mbox{PM}_{2.5}$暴露在早期和晚期妊娠是最不利的第四年底的年级阅读成绩。
2022-10-10 stat.AP stat.CO stat.ME
A spatial interference approach to account for mobility in air pollution studies with multivariate continuous treatments
Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）；Dana-Farber Cancer Institute（达纳-法伯癌症研究所）；University of Florida（佛罗里达大学）
研究多变量空气污染暴露对公共健康因果效应时考虑流动性问题，结合手机移动数据，将其视为干扰问题，提出估计量和估计策略，用该方法研究美国医疗保险参保者中空气污染对死亡率的健康影响。
2026-07-23 stat.ME
Spatial Causal Tensor Completion for Multiple Exposures and Outcomes: An Application to the Health Effects of PFAS Pollution
North Carolina State University（北卡罗来纳州立大学）
本文提出一种空间因果张量补全框架，用于处理多暴露和结果的联合因果效应估计，通过低秩张量结构和谱调整步骤应对空间混杂和缺失数据。
2026-03-17 stat.ME
Measurement error in two-stage analyses, with application to air pollution epidemiology
公共卫生研究人员经常估计暴露对健康的影响（例如，污染、饮食、生活方式），这些因素不能直接测量研究对象。环境流行病学中的一个常见策略是使用第一阶段（暴露）模型，根据协变量和/或时空接近度估计暴露，并使用暴露模型的预测作为第二阶段（健康）模型中的相关协变量。这引起复杂形式的测量误差。我们提出了一个分析框架和方法，这是强大的第一阶段模型的误指定，并提供了有效的推断第二阶段模型参数的利益。我们将测量误差分解成类似于经典误差和Berkson误差的分量，并描述了第二阶段模型中估计器的特性，如果第一阶段模型预测不加校正地插入。具体来说，我们推导出第一阶段和第二阶段模型之间的兼容性条件，保证一致性（并具有直接和重要的现实世界的设计影响），我们推导出有限样本偏差的渐近估计时，兼容性条件得到满足。我们提出了一种方法，（1）纠正有限样本偏差和（2）正确估计标准误。我们展示了我们的方法在模拟和空气污染流行病学的一个例子中的效用。
2013-06-30 stat.ME
Causal exposure-response curve estimation with surrogate confounders: a study of air pollution and children's health in Medicaid claims data
针对Medicaid儿童健康数据中社会经济地位未测量、数据聚类等挑战，提出基于广义倾向得分匹配的MedMatch方法，结合代理变量估计PM2.5与呼吸住院的因果暴露-反应曲线，验证了其性能优势并得到正相关的非线性关系。
2024-07-11 stat.ME
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
A Unified Framework for Multiple Exposure Distributed Lag Non-Linear Models for Air Pollution Epidemiology
University of Waterloo（滑铁卢大学）；Environmental Health Science and Research Bureau, Health Canada（加拿大卫生部环境健康科学研究局）；Queen’s University（女王大学）
本文提出一种统一框架，整合了多暴露DLNMs的模型规范、估计、选择和堆叠，适用于四种模型结构，用于分析空气污染与死亡率的关系。
2026-04-24 stat.AP stat.ME
Improving Causal Inference with Measurement Errors in Exposures and Confounders: A New Method and Its Application to Air Pollution Exposure Assessment and Epidemiology
提出两阶段因果效应框架与多维回归校准方法，同时校正暴露和混杂测量误差，应用于空气污染与COVID-19死亡率关联分析，发现低水平O3暴露显著增加死亡风险。
2025-05-27 math.ST stat.ME stat.TH
Global Household Energy Model: A Multivariate Hierarchical Approach to Estimating Trends in the Use of Polluting and Clean Fuels for Cooking
2017年，估计有30亿人使用污染燃料和技术作为主要烹饪解决方案，每年有380万人死于家庭暴露于由此产生的细颗粒物空气污染。目前，健康负担是使用固体燃料等燃料类型的总和来计算的，因为没有国家一级对木材和木炭等特定燃料类型使用情况的估计。为了扩大有关家庭空气污染对健康影响的知识基础，我们开发并实施了基于广义狄利克雷多项分布的贝叶斯分层模型，该模型联合估计了八种主要燃料类型使用的非线性趋势，克服了几个特定于数据的挑战，包括缺失或组合燃料使用值。我们使用样本内预测分析和样本外预测实验来评估模型拟合，以评估模型的预测性能。
2019-11-22 stat.AP
Spatio-temporal models with space-time interaction and their applications to air pollution data
对空气污染状况有清楚的了解，并为公众和环境研究人员提供有关空气质量的预测和见解是至关重要的。以前的时空模型研究表明，即使是短期暴露于高浓度的大气细颗粒物也会对普通人的健康造成危害。在这项研究中，我们开发了一个时空模型的空气污染数据的时空相互作用。该模型使用了一个参数的时空相互作用组件以及空间和时间的平均结构的组成部分，并引入了一个随机效应的零均值时空过程的形式指定的组件。为了应用，我们分析了台湾66个监测站的空气污染数据（PM2.5）。
2017-12-31 stat.ME
Potential outcome approach to causal inference in assessing the short term impact of air pollution on mortality
空气污染短期影响的评估依赖于对污染-结果关联的因果解释，但到目前为止，很少有研究明确地在因果推断框架内面对这个问题。在本文中，我们重新制定的问题，评估短期影响的空气污染对健康的潜在结果的方法，因果推断。我们专注于2003-2006年期间，在米兰（意大利）大都市区暴露的两天内，高水平的PM10对死亡率的影响。在根据潜在结果之间的差异定义可归因死亡人数后，我们使用估计的倾向得分将每个高风险日与具有相似背景特征但PM10水平较低的日相匹配。然后，我们通过比较匹配日期之间的死亡率来估计影响。我们发现，在研究期间，每日暴露量大于40微克/立方米的1079人死亡（116; 2042）。这种影响在老年人中比在年轻人中更为明显。倾向得分匹配被证明是一个有吸引力的方法来评估历史的影响，在这一领域。
2016-08-30 stat.AP stat.ME
Causal inference in the context of an error prone exposure: air pollution and mortality
我们提出了一种新的方法来估计因果效应时，暴露测量误差和混杂调整是通过广义倾向评分（GPS）。使用验证数据，我们提出了一个回归校准（RC）为基础的调整与GPS相结合的连续易出错的曝光调整混杂（RC-GPS）。将校正的连续暴露转换为分类暴露后进行结局分析。我们认为混杂调整的背景下，GPS子分类，逆概率处理加权（IPTW）和匹配。在具有不同程度的暴露误差和混杂偏差的模拟中，与依赖于易出错暴露的标准方法相比，RC-GPS消除了来自暴露误差和混杂的偏差。我们将RC-GPS应用于丰富的数据平台，以估计2000年至2012年期间长期暴露于细颗粒物（$PM_{2.5}$）对新英格兰死亡率的因果影响。主要研究包括$217,660$ 1 km $\times$ 1 km网格单元覆盖的$2,202$邮政编码、年死亡率、根据时空模型（易出错暴露）估计的年$PM_{2.5}$平均值和几个潜在混杂因素。内部确认研究包括来自主研究的75个邮政编码内的83个1 km $\times$ 1 km网格单元的子集，其具有从监测站获得的无误差年度$PM_{2.5}$暴露。在无干扰和弱不混淆的假设下，使用匹配，我们发现暴露于中等水平的$PM_{2.5}$（$8 <$ $PM_{2.5}$ $\leq 10\ {\rm μg/m^3}$）导致$2.8\%$（$95\%$ CI：$0.6\%, 3.6\%$）与低暴露（$PM_…
2018-06-28 stat.AP stat.ME
Borrowing Strength Across Exposures and Outcomes via Index Models for Multi-pollutant Mixtures
本文提出一种通过指数模型跨暴露和结果借用强度的方法，用于处理多污染物混合物的健康影响分析。
2025-12-24 stat.ME
Estimating Associations Between Cumulative Exposure and Health via Generalized Distributed Lag Non-Linear Models using Penalized Splines
针对现有ACE-DLNM仅适用于连续结局、难适配大数据集的局限，提出结合惩罚样条的广义ACE-DLNM及高效估计策略，经仿真和加拿大污染与住院数据验证，其推断更稳定且保留可解释性。
2025-05-21 stat.ME
Discovering Effect Modification and Randomization Inference in Air Pollution Studies
研究表明，即使是低水平的空气污染，也会大大增加死亡率。由于监管行动的成本越来越高，需要有强有力的证据来指导制定有针对性的干预措施，以减少空气污染暴露。在本文中，我们介绍了一种新的统计方法，将数据分为两个子样本：（a）使用第一个子样本，我们考虑一个数据驱动的搜索$\textit{de novo}$发现的亚组，可能有不同的暴露影响，从人口的平均值;然后（b）使用第二子样本，我们量化的证据之间的影响修改的亚组与非参数随机化为基础的测试。我们还开发了一种敏感性分析方法来评估结论对未测量混杂偏倚的稳健性。通过模拟研究和理论论证，我们证明了由于我们在第一个子样本中发现了子组，所以在第二子样本上的假设检验可以只关注这些子组，从而大大提高了检验的统计功效。我们将我们的方法应用于2000年至2006年期间美国新英格兰地区1，612，414名医疗保险受益人的数据。我们发现，81-85岁的老年人与低收入和85岁以上的老年人有统计学显着较高的因果关系暴露于PM $_{2.5}$的5年死亡率相比，人口的平均水平。
2018-02-19 stat.AP stat.ME
Spatial mixed models for assessing environmental exposure effects on the microbiome
New York University School of Medicine（纽约大学医学院）；New York University Grossman School of Medicine（纽约大学格罗斯曼医学院）；NYU Laura and Isaac Perlmutter Cancer Center（纽约大学劳拉和艾萨克·珀尔穆特癌症中心）；NYU Langone Medical Center（纽约大学朗戈医学中心）；Hadassah Medical Center（哈达萨医疗中心）；Hebrew University of Jerusalem（耶路撒冷希伯来大学）
提出一种空间混合模型框架，利用条件自回归先验同时处理区域空间依赖和分类群生态依赖，在特征选择中实现高检测功率和低假阳性率，应用于PM2.5暴露研究识别相关菌属。
2026-06-17 stat.ME
A causal exposure response function with local adjustment for confounding: Estimating health effects of exposure to low levels of ambient fine particulate matter
《清洁空气法》规定，必须根据最新科学对国家环境空气质量标准（NAAQS）进行常规评估，以保护人口。因此，研究人员应该继续研究暴露于低于NAAQS的空气污染水平是否对人类健康有害。围绕环境法规的争议性质促使我们将这个问题置于一个因果推断框架内。参数和半参数回归方法已被用来估计环境空气污染和健康结果之间的风险-响应（ER）曲线。大多数这些方法不是在因果框架内制定的，在所有暴露水平上调整相同的协变量，并且不考虑模型的不确定性。我们介绍了一个贝叶斯框架的因果ER曲线称为LERCA（局部暴露反应混杂调整），它允许不同的混杂因素和不同强度的混杂在不同的曝光水平的估计，并传播不确定性的混杂因素的选择和形状的ER。LERCA提供了一种原则性的方法来评估协变量在不同暴露水平下的混杂重要性，为研究人员提供了关于回归模型中要调整的变量的信息。使用模拟，我们表明，国家的最先进的方法在估计的ER曲线在局部混杂的存在下表现不佳。LERCA用于评估美国5，362个邮政编码的环境PM2.5暴露与心血管住院之间的关系，同时调整暴露范围内可能不同的混杂因素。当关注低暴露范围时，环境PM2.5导致心血管住院率增加。我们的研究结果表明，PM2.5对心血管住院的影响没有阈值。
2020-01-08 stat.ME
Causal Analysis of Air Pollution Mixtures: Estimands, Positivity, and Extrapolation
该研究针对空气污染混合物因果推断中数据支持不足的问题，基于潜在结果框架定义混合物因果效应、形式化正定性假设并提出诊断指标，还重新划分了依赖观测数据与模型外推的因果估计量，以评估美国全国颗粒物数据集对混合物效应估计的支持能力。
2024-01-30 stat.AP stat.ME
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
Accurate Uncertainty Estimation and Decomposition in Ensemble Learning
Google Research（谷歌研究院）；Harvard University（哈佛大学）；Columbia University（哥伦比亚大学）
包围学习是构建机器学习系统的标准方法，该系统可以捕获真实世界数据中的复杂现象。这些系统的一个重要方面是模型不确定性的完整和有效的量化。我们介绍了贝叶斯非参数集成（BNE）的方法，增强了现有的集成模型，以考虑不同来源的模型不确定性。BNE使用贝叶斯非参数机制增强模型的预测和分布函数。它具有理论保证，因为它稳健地估计数据分布中的不确定性模式，并且可以将其总体预测不确定性分解为由于不同噪声和误差源而导致的不同分量。我们表明，我们的方法在复杂的观测噪声下实现了准确的不确定性估计，并说明了其在不确定性分解和模型偏差检测方面的实际效用，用于预测美国马萨诸塞州东部的空气污染暴露。
2019-11-11 cs.LG stat.ML
Causal Inference under Interference with Learned Exposure Mappings
Yale University（耶鲁大学）；Yale School of Public Health（耶鲁公共卫生学院）
该研究针对环境场景中需从污染数据学习暴露映射的因果推断问题，对比PDE、PINO等传输模型，发现预测精度相近的模型溢出估计差异大，仅预测一致无法保证可靠因果推断。
2026-08-21 cs.AI cs.CY cs.LG
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
Case-crossover designs and overdispersion with application in air pollution epidemiology
本文通过放宽病例交叉分析中的个体独立性假设，提出可显式引入过度离散的条件logistic模型，并证明其与过度离散条件Poisson模型似然等价，经模拟和实际空气污染数据验证该模型能改善覆盖率且对异常值更稳健。
2024-01-25 stat.ME
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
A confounding bridge approach for double negative control inference on causal effects
本文提出一种利用阴性对照结局和阴性对照暴露构建混杂桥函数的方法，用于在未测量混杂下识别平均因果效应，并通过模拟和空气污染对死亡率影响的研究验证其有效性。
2024-09-06 stat.ME
Characterizing the Effects of Environmental Exposures on Social Mobility: Bayesian Semi-parametrics for Principal Stratification
针对PM2.5、教育程度与社会流动性的因果路径问题，提出基于无限混合的贝叶斯半参数主分层方法，发现高PM2.5通过降低教育程度使社会流动性下降约5%。
2025-11-03 stat.AP stat.ME
Instrumental variables: A non-asymptotic viewpoint
本文提出线性工具变量估计量的非渐近分析方法，引入新的工具强度度量以构造非渐近置信区间，并用野火烟雾作为工具验证PM2.5污染显著增加哮喘、心脏病和中风等疾病风险。
2024-10-02 math.ST stat.ME stat.TH
An Instrumental Variables Framework to Unite Spatial Confounding Methods
针对观测性空间研究中的未测量空间混杂问题，提出统一现有空间混杂方法的工具变量框架，明确其共同理论基础与假设，可估计非线性因果效应，并在模拟与空气污染健康效应实证中验证了方法有效性。
2025-11-18 stat.ME
A structural nested rate model for estimating the effects of time-varying exposure on recurrent event outcomes in the presence of death
本文提出半参数结构嵌套复发事件模型及两种估计量，在死亡竞争风险下估计时变暴露的短期与延迟边际因果效应，并通过模拟、R包sncure和Medicare空气污染研究验证。
2025-06-09 math.ST stat.ME stat.TH
Evaluating the Sensitivity of Mortality Attributable to Pollution to Modeling Choices: A Case Study for Colorado
本文以科罗拉多州为例，系统评估了空间尺度、浓度-响应函数类型及暴露地点定义等建模选择对PM2.5和NO2归因死亡率估计的影响，揭示了不同选择会导致显著差异。
2023-09-24 stat.AP stat.ME
Association between Air Pollutants and Hospitalizations for Cardiovascular Diseases: Time-Series Analysis in São Paulo, 2010-2019
本研究使用广义可加模型分析圣保罗2010-2019年空气污染物与心血管疾病住院的关联，发现基于污染物预测的时间平滑方法比基于结果预测更稳健，能避免掩盖污染物的真实效应。
2025-09-15 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
