AJE — Vol 194 Issue 12 · 2026-06-24¶

共 14 篇 · American Journal of Epidemiology
目录核对 ⚠️ 疑似漏 22 篇（对照 OpenAlex 37 篇）：10.1093/aje/kwae428、10.1093/aje/kwaf179、10.1093/aje/kwaf012、10.1093/aje/kwaf175、10.1093/aje/kwaf003 等

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

本期《American Journal of Epidemiology》第194卷第12期的14篇论文主要围绕三条主线展开：因果识别与设计选择、测量误差与错分类校正、以及政策与暴露效应的实证评估。在因果识别方面，多篇文章通过模拟、设计比较或偏倚分析，探讨了如何在不同数据背景下获得更可信的因果估计；在测量误差方面，若干工作聚焦于如何利用额外数据源或组合调查方法改善分类精度；其余应用研究则采用标准流行病学设计，重新评估了从住房潮湿到药物相互作用等一系列健康效应的稳健性。

因果识别与设计选择是本期最集中的方法学线索。The exposure potential restriction rule revisited 通过模拟区分了confounder与工具变量两种排除情境，澄清了positivity假设与工具变量的概念边界——当排除本身是IV时，机械应用该规则可能引入偏倚。Mendelian randomization, lipids, and coronary artery disease 则展示了同一数据下不同MR设计（单样本/两样本、是否纳入流行病例）对脂质-冠心病因果估计的实质性影响，提示研究者需系统评估设计假设。在政策评估中，Impacts of the 2021 child tax credit advance monthly payments on birth outcomes 和 Spillovers and effect attenuation in firearm policy research 分别讨论了自然实验中的混杂控制和溢出效应如何削弱传统DID的适用性，后者更直接指向空间干扰对州级政策评价的威胁。Eviction, inability to pay rent, and youth mental health 采用个体固定效应模型控制时不变混杂，是纵向因果推断的标准应用。

测量误差与错分类校正构成第二条清晰主线。Studies based on health administrative data regarding rare outcomes in IBD 用定量偏倚分析展示了病例识别算法特异性不足如何导致罕见结局的相对风险被严重低估（如从2.0调整至5.8）。Improving disease misclassification and prevalence estimates by linking primary and secondary care EHR 则通过链接医院门诊数据，发现初级保健编码使银屑病关节炎患病率被低估两倍以上，并提供了校正后的估计值。Combining the list-experiment and direct question to improve estimation of abortion incidence 提出一种加权组合估计量，同时利用list-experiment和直接问题信息，在方差和偏差间取得更优权衡，其改进幅度（12.9% vs 11.0% vs 9.6%）具有实际意义。此外，Disaster-related home loss, mental health, and risk of cognitive disability 采用传统因果中介分析（反事实框架，逆概率加权），可视为中介方法在纵向灾难数据中的应用范例。

在混合物暴露与复杂健康结局方面，Association between exposure to VOCs mixture and impaired renal function 同时使用分位数g计算和贝叶斯核机器回归，展示了现代混合物分析方法在环境流行病学中的适配性。其余应用研究（如Home dampness and molds and respiratory infections、Risk of opioid overdose with concurrent drug use）则延续了队列设计中的标准分析流程，方法学创新有限但数据质量扎实。

对因果推断/半参数效率方向感兴趣的读者，可优先关注The exposure potential restriction rule revisited（概念梳理与模拟）、Mendelian randomization, lipids, and coronary artery disease（设计敏感性分析）、Combining the list-experiment and direct question（改进估计效率的组合策略）以及Association between exposure to VOCs mixture（混合物方法与BKMR的实践应用）。

因果推断 (causal_inference, 3 篇)¶

1. 10.1093/aje/kwaf204 — The exposure potential restriction rule revisited¶

作者: Jeremy A Labrecque, Charles Poole, Andreas Stang
期刊/来源: American Journal of Epidemiology
机构: Erasmus MC · Erasmus University Rotterdam · University of North Carolina at Chapel Hill · Institut für Medizinische Informatik, Biometrie und Epidemiologie · Essen University Hospital
分类: vol 194 · issue 12 · pp 3624-3629
相关性 8/10 · novelty: survey
摘要: 本文重新审视了暴露可能性限制规则（exposure potential restriction rule），该规则建议在病例-对照研究中排除那些不可能接受某种暴露的人，其核心与因果推断中的 positivity 假设密切相关。作者首先明确了暴露可能性、positivity 假设以及工具变量之间的概念关系：当排除原因本身是一个工具变量时，机械应用该规则可能放大未控制混杂。通过简单的模拟——设定两种因果结构（一种排除变量是 confounder，另一种是 IV）——文章展示了排除或不排除无暴露可能性的个体都会引入偏倚，偏倚方向依赖于具体 DAG。本文并未提出新的估计量或检验方法，而是以概念澄清和模拟演示为主，强调研究者必须根据因果结构审慎决定样本排除。对您有用：这篇文章直接关联您对因果推断中 positivity 假设和流行病学应用的兴趣，可作为 sensitivity analysis 或 study design 的入门级参考。
关键技术: positivity assumption, exposure potential restriction rule, causal diagrams, simulation-based analysis
为什么对您有用: 本文聚焦流行病学因果推断中的 positivity 假设与样本选择偏倚，属于您 primary interest 的 causal inference 子方向（特别是识别假设的稳健性）。您可以直接用 very_familiar 的 nonparametric statistics 和 estimation theory 构建更一般的 positivity 违反下的加权估计或敏感性分析，无需额外工具，属于立即可做的 follow-up。

作者: Sakurako S Okuzono, Koichiro Shiba, David T Zhu, Sarah Oh, Yu-Tien Hsu, Aki Yazawa et al.
期刊/来源: American Journal of Epidemiology
机构: Harvard University · Boston University · Virginia Commonwealth University · Virginia Commonwealth University Medical Center · University of Tsukuba · Kitasato University · Tokyo Medical and Dental University · Chiba University
分类: vol 194 · issue 12 · pp 3501-3509
相关性 7/10 · novelty: application
摘要: 本文利用东日本大地震后长期追踪队列数据，研究房屋损失与老年人认知障碍的关联，并考察抑郁症状、社会凝聚力等变量的中介机制。采用基于反事实框架的因果中介分析，估计自然直接效应与间接效应，调整了灾前混杂因素。结果显示，房屋损失使认知障碍风险上升，其中48%的总效应由抑郁症状介导，19%由社会凝聚力下降介导，而创伤后应激症状的中介作用不显著。方法上，该研究使用了传统回归或逆概率加权估计，未引入双稳健或高效估计量。该文是因果中介分析在灾难流行病学中的标准应用，对您而言，可作为纵向因果推断（您的核心兴趣）与流行病学数据结合的实际案例，您可以用因果推断的估计理论（如 semiparametric efficiency bounds）评估该分析的效率并探讨更优估计策略。
关键技术: Causal mediation analysis, Natural direct and indirect effects, Pre-disaster confounder adjustment, Prospective cohort study
为什么对您有用: 本文直接连接您的 causal inference（中介分析、纵向因果推断）和 epidemiology（应用因果工作）两个兴趣方向。您非常熟悉的 estimation theory in causal inference（very_familiar）可用于评估该文估计的效率——例如检验是否可以通过交叉拟合或高效影响函数改进标准误。立即可做：用现有因果推断工具复现该分析并进行敏感性分析，或为该数据集构造更高效的估计量。

3. 10.1093/aje/kwaf185 — Combining the list-experiment and direct question to improve estimation of abortion incidence¶

作者: Heide M Jackson, Michael S Rendall
期刊/来源: American Journal of Epidemiology
机构: University of Maryland, College Park
分类: vol 194 · issue 12 · pp 3549-3555
相关性 6/10 · novelty: application
摘要: 本研究针对流产发生率在直接询问下严重低估且群体差异大的问题，提出将list-experiment与直接问题相结合的组合估计量。List-experiment通过随机向处理组添加流产项目、对照组不加，以两组平均项目数之差估计流产发生率，但该方法存在方差大且依赖无设计效应假设的局限。作者利用同时被询问直接问题的list-experiment受访者数据，根据直接回答的肯定与否将样本分层，构造加权组合估计量。基于美国四个州的数据，组合估计量为12.9%（95%CI 10.5,15.4），显著高于单独list-experiment（11.0%）和单独直接问题（9.6%）；直接问题的状态间偏差远大于list-experiment。结论认为组合估计量尤其相对于直接问题能有效校正报告偏差。该研究为流行病学中敏感问题的因果推断提供了实证范例，您可以直接利用已有的causal inference估计理论（如方差分解和偏差-方差权衡）分析该组合估计量的渐近效率，并探索分层识别条件在proximal causal inference框架下的推广。
关键技术: list-experiment, combined-data estimator, randomized response, difference-in-means, sensitive question survey
为什么对您有用: 本文直接连接您的causal inference兴趣子方向中的敏感问题估计与identification理论，以及epidemiology应用。您武器库中的'estimation theory in causal inference'可以立即用来推导组合估计量的渐近方差公式，并与单独的list-experiment和直接问题估计量做效率比较。中期可借助'moderately_familiar'的identification theory将直接回答的缺失建模为proxy变量，用proximal causal inference的negative control假设改进偏差校正。立即可做；无需新工具。

流行病学 (epidemiology, 11 篇)¶

1. 10.1093/aje/kwaf190 — Mendelian randomization, lipids, and coronary artery disease: trade-offs between study designs and assumptions¶

作者: Joy Shi, Sonja A Swanson, Elizabeth W Diemer, Hanna Gerlovin, Daniel C Posner, Peter W F Wilson et al.
期刊/来源: American Journal of Epidemiology
机构: Harvard University · VA Boston Healthcare System · University of Pittsburgh · Emory University · Atlanta VA Health Care System · Brigham and Women's Hospital
分类: vol 194 · issue 12 · pp 3581-3589
相关性 8/10 · novelty: application
摘要: 本文利用百万退伍军人计划（Million Veteran Program）数据，在孟德尔随机化（MR）框架下实证评估了不同研究设计选择对脂质（LDL-C、HDL-C）与冠心病因果效应估计的影响。研究首先设定了一个参考设计（单样本MR，排除流行病例和有禁忌症者），然后逐步修改设计以反映常见决策（如纳入流行病例、改用两样本设计、改变工具变量选择标准等）。对于LDL-C，单样本估计的10年冠心病比值比（OR）范围为1.50至2.23，两样本估计为1.13至1.30；HDL-C估计在单样本与两样本间差异更大，且对纳入流行病例最为敏感。结果表明MR估计值随设计选择而实质性变化，提示研究者应系统评估不同设计假设的敏感性。本文属于流行病学应用研究，对您有用：它直观展示了工具变量（IV）估计在真实大型队列中的敏感性，与您熟悉且使用的因果推断估计理论（IV识别与估计）直接对接。
关键技术: Mendelian randomization, one-sample instrumental variable estimation, two-sample instrumental variable estimation, sensitivity to design assumptions, prevalent outcome inclusion
为什么对您有用: 本文属于流行病学应用，直接关联您的secondary interest（epidemiology: datasets, applied causal work）。您可用very_familiar的因果推断估计理论（特别是IV识别与估计）快速复现其敏感性分析框架，或基于其数据特征扩展检验其他设计扰动（如弱工具变量处理）。follow-up粗判：立即可做——IV估计是您已精通的经典工具，本文的分析流程可直接用软件技能复现或改进。

2. 10.1093/aje/kwaf220 · arXiv — Spillovers and effect attenuation in firearm policy research in the United States¶

作者: Lee Kennedy-Shaffer, Alan H Kennedy
期刊/来源: American Journal of Epidemiology
分类: vol 194 · issue 12 · pp 3402-3406
相关性 7/10 · novelty: survey
摘要: 本文聚焦美国火器政策评估中因枪支跨州流动导致的溢出效应和效应衰减问题。在准实验设计中，州级政策既会影响本州，也会通过枪支流动影响邻近对照州（溢出），同时缺乏干预的邻近州会削弱干预州的效果（绕过）。现有差分中的差分等因果推断方法虽能部分处理干扰，但与火器数据特征和政策目标估计量（如总体平均处理效应）并不匹配。作者指出，整合跨州数据基础设施并发展专门处理空间干扰的新方法，是解决这一问题的关键。在方法成熟前，研究者应谨慎解释现有估计值，避免因统计偏误而放弃真实有效的政策。本文是观点性评论，未提出新方法，但系统梳理了火器政策评估中的因果推断挑战。对您而言，本文是了解溢出效应在流行病学实地评估中具体样貌的入门读物，武器库中的因果推断识别理论可帮助审视文中讨论的识别问题，但需要补充空间计量或网络干扰方面的知识才能深入跟进，属于中等难度方向，值得花时间阅读以获取问题灵感。
关键技术: spillover effects, interference, difference-in-differences, quasi-experimental design
为什么对您有用: 本文连接了您 secondary interest 中的流行病学应用，尤其是火器政策评估中的因果推断挑战，也直接关联 primary interest 中的 causal inference（溢出效应识别）。您武器库中 'identification theory in causal inference'（moderately familiar）可用于审视文中的识别困境，而 'estimation theory in causal inference'（very familiar）可帮助评估现有估计方法的适用性。本文属于 gateway-reading：它本身入门门槛低、问题清晰，但若想深入解决其中提出的方法缺口，需补充空间干扰或网络因果推断工具（目前武器库中无直接对应），因此作为中期可读方向——值得花时间读全文以激发新研究问题。

3. 10.1093/aje/kwaf216 — Studies based on health administrative data regarding rare outcomes in inflammatory bowel disease significantly underestimate the true risk—the importance of specificity¶

作者: Mikkel Malham, Eric I Benchimol, Matthew P Fox, David C Wilson
期刊/来源: American Journal of Epidemiology
机构: University of Copenhagen · University of Toronto · Royal Hospital for Children · Amager Hospital · Hospital for Sick Children · University College Copenhagen · Royal Hospital for Sick Children · University of Edinburgh 等
分类: vol 194 · issue 12 · pp 3654-3657
相关性 6/10 · novelty: application
摘要: 本文关注基于健康行政数据（HAD）的炎症性肠病（IBD）罕见结局研究中的信息偏倚问题，核心 estimand 是癌症风险的相对风险和风险差。作者采用定量偏倚分析（QBA）方法，利用来自验证研究的敏感性和特异性数值，对暴露错分类进行非差分调整。主要发现是：由于病例识别算法的特异性不完美，报告的癌症风险估计普遍向零偏倚；在最极端的例子中，相对风险从 2.0 调整为 5.8，风险差从 1.0% 调整为 3.8%。结论强调特异性对于罕见结局研究至关重要，且该结论可外推至其他基于 HAD 的研究。对您而言，这是一篇展示经典偏倚分析工具在流行病学数据库研究中应用的实证案例。
关键技术: quantitative bias analysis, non-differential exposure misclassification, sensitivity analysis, validation study, health administrative data
为什么对您有用: (1) 本文属于流行病学应用范畴，展示了定量偏倚分析（QBA）在处理健康行政数据错分类问题中的实际应用，与您 secondary interest 中的流行病学应用相关。(2) QBA 本质上是因果推断中敏感性分析的一种形式，您在 causal inference sensitivity analysis 方面的 very_familiar 工具可以直接理解并扩展这类分析。(3) 作为 gateway reading，本文好入门，武器库完全够用，适合了解流行病学数据库研究的常见陷阱和偏倚校正套路，但方法学 novelty 有限，建议快速浏览即可。

4. 10.1093/aje/kwaf211 — Impacts of the 2021 child tax credit advance monthly payments on birth outcomes in the United States: a natural experiment¶

作者: Claire E Margerison, Natasha V Pilkauskas, Grace Joachim, Zhehui Luo, Tim Bruckner
期刊/来源: American Journal of Epidemiology
机构: Michigan State University · University of Michigan · University of California, Irvine · Irvine University
分类: vol 194 · issue 12 · pp 3646-3653
相关性 6/10 · novelty: application
摘要: 本文利用 2021 年美国儿童税收抵免（CTC）政策扩展作为自然实验，估计孕期现金转移支付对出生结局（SGA 和 LBW）的因果效应。研究基于 2016-2023 年美国出生登记数据，以孕期累计 CTC 金额为 treatment，控制时间自相关、个体特征、COVID-19 住院率及其他疫情期安全网项目。估计方法为回归调整的关联分析，报告 treatment 每增加 $1000 时 SGA 降低 0.72 个百分点、LBW 降低 0.49 个百分点，并给出 95% 置信区间。异质性分析显示效应在非西班牙裔白人中最大、在外籍西班牙裔中最小。本文属于应用因果推断工作，方法学 novelty 有限，但数据规模大、政策窗口独特，对关注流行病学应用场景的研究者有一定参考价值。
关键技术: natural experiment, regression adjustment, treatment dose-response, heterogeneity analysis, vital statistics data
为什么对您有用: (1) 连接到 epidemiology secondary interest，提供了一个大规模真实数据的自然实验案例，treatment 连续且存在时间变异，适合作为应用因果推断的实证参考。(2) 方法上主要是回归调整，未涉及 IV、DML 或 semiparametric efficiency，对您 very_familiar 的 estimation theory in causal inference 攻击口子有限；但若想探索更 robust 的 identification 策略（如用政策 rollout timing 做 IV），可用 identification theory in causal inference（moderately_familiar）切入。(3) follow-up 判断：暂不可做——本文是实证应用，核心贡献在数据和政策分析而非方法学，除非您有意进入流行病学应用领域，否则方法学拓展空间有限。

5. 10.1093/aje/kwaf231 — Tree canopy cover and injurious pedestrian falls: a location-based case-control study¶

作者: Kathryn G Burford, Alexander X Lo, James W Quinn, Remle P Crowe, Allan C Just, Michelle C Kondo et al.
期刊/来源: American Journal of Epidemiology
机构: Columbia University · Northwestern University · Technical Solutions (United States) · Brown University · Northern Research Station
分类: vol 194 · issue 12 · pp 3529-3536
相关性 5/10 · novelty: application
摘要: 该论文利用紧急医疗服务数据，采用基于位置的病例对照设计，研究树冠覆盖度与行人跌倒伤害之间的关联。病例组为2019年4月至9月间EMS响应步行跌倒的497个地点，对照组从街道交叉口、路段和坡道中按1:2匹配选择。暴露变量为每个地点100米径向缓冲区内树冠覆盖百分比，中位数病例组为8%，对照组为14%。使用条件逻辑回归调整协变量后，树冠覆盖每增加一个四分位距，跌倒风险显著降低（调整OR=0.57, 95%CI 0.45-0.74）。论文还详细讨论了基于位置病例对照设计的方法论挑战，包括匹配策略、空间自相关和选择偏倚。作为流行病学领域的实际数据应用，该研究展示了病例对照设计在环境暴露与伤害预防中的使用，并提供了数据分析流程，对您关注流行病学中的因果推断方法有直接参考价值。
关键技术: location-based case-control study, matching, conditional logistic regression, spatial buffer analysis, geocoding
为什么对您有用: 本文属于流行病学领域的实证应用，使用病例对照设计研究环境暴露与健康结局的因果关联，直接对应您的次要兴趣“流行病学（应用、数据集、因果推断）”。您熟悉的因果推断估计理论（如匹配、条件逻辑回归的识别）可以用于理解其分析框架，技术武器库中的非参数统计和估计理论足以解读其方法局限（如未考虑空间相关性）。该文作为入门应用论文，方法论讨论清晰，适合立即可读作为流行病学数据分析范式的入门材料。

6. 10.1093/aje/kwaf212 — Eviction, inability to pay rent, and youth mental health: a fixed effects study¶

作者: Gabriel L Schwartz, Nigel Walsh Harriman, Bruce Ramphal, Natalie Slopen
期刊/来源: American Journal of Epidemiology
机构: Drexel University · Harvard University · Harvard University Press
分类: vol 194 · issue 12 · pp 3501-3509
相关性 5/10 · novelty: application
摘要: 本文研究美国青少年住房不稳定性（驱逐、无力支付房租）与心理健康结果之间的纵向关联，estimand 为暴露对内化/外化症状和睡眠障碍的平均处理效应。数据来源为 ABCD Study 国家队列（2016-2021，n=11,868，9-13 岁），采用 individual fixed effects 模型控制时不变混杂，并调整时变社会人口学协变量。核心发现：驱逐和无力支付房租均与更严重的内化、外化及睡眠障碍症状相关；当两者同时纳入模型时，驱逐的效应估计衰减，而无力支付的估计基本不变。方法学 novelty 有限，属于应用固定效应的观察性研究，因果识别依赖于 within-individual variation 和可观测时变协变量的调整假设。
关键技术: individual fixed effects, longitudinal cohort study, time-varying confounding adjustment, within-individual comparison
为什么对您有用: 本文属于流行病学应用研究，使用固定效应面板方法处理时不变混杂，与您 primary interest 中的因果推断（longitudinal setting）有方法连接。技术层面：固定效应估计量是您 very_familiar 的高维渐近理论可处理的范畴，但本文未涉及更复杂的因果识别策略（如 IV、proximal CI、sensitivity analysis），方法学深度较浅。数据集 ABCD Study 是大规模国家队列，若您对青少年心理健康或住房政策的因果推断应用感兴趣，可作为数据来源参考。follow-up 判断：暂不可做——本文核心是应用而非方法创新，若要深入需引入您熟悉的 sensitivity analysis 或 IV 方法来处理残留混杂问题。

7. 10.1093/aje/kwaf206 — Improving disease misclassification and prevalence estimates by linking primary and secondary care electronic health records: an illustration from arthritis research¶

作者: Belay Birlie Yimer, Fangyuan Zhang, Jenny Humphreys, Mark Lunt, Meghna Jani, John McBeth et al.
期刊/来源: American Journal of Epidemiology
机构: Arthritis UK · Manchester Academic Health Science Centre · University of Manchester · Manchester University · Manchester University NHS Foundation Trust · NIHR Manchester Biomedical Research Centre · Salford Royal Hospital · University of Southampton
分类: vol 194 · issue 12 · pp 3640-3645
相关性 5/10 · novelty: application
摘要: 本文利用英国西北部地区医院门诊的文本挖掘数据，将初级医疗电子病历（Primary Care EHR）与二级医疗（医院风湿科）病历记录进行链接，以银屑病关节炎（PsA）为例，系统评估初级保健编码对疾病病例的错误分类程度并校正患病率估计。研究在188,286名成年人中发现245例初级保健记录的PsA病例，对应粗患病率0.13%（95% CI: 0.11-0.15%）；在7,532名同时有医院风湿科就诊记录的子集中，202人有初级保健PsA编码，其中188例经医院记录确认为真阳性，14例为假阳性；而初级保健编码未能识别196例医院确诊的PsA病例，导致患病率被低估两倍以上。调整误分类后的校正患病率为0.25%（95% CI: 0.21-0.28%）。研究展示了通过链接初级与二级医疗记录、利用文本挖掘替代缺失的门诊编码数据来识别假阳性和假阴性、进而校正患病率估计的实用工作流。对于研究者的流行病学（secondary interest）数据应用而言，本文提供了一个真实队列中误分类偏差来源及其校正的完整案例，也为因果推断中测量误差问题的敏感性分析提供了实践场景。
关键技术: record linkage, text mining of clinical letters, positive predictive value (PPV), prevalence adjustment via validation, misclassification correction
为什么对您有用: 该论文直接对应secondary interest中的流行病学应用方向，展示了真实世界队列中链接多源EHR数据校正疾病误分类偏差的完整流程；研究者可基于其'very_familiar'的estimation theory in causal inference，尝试用semiparametric方法（如influence function）为这种校正后的患病率构建更高效的置信区间，或使用proximal causal inference的negative control思想处理未被观测的误分类机制。follow-up粗判为'立即可做'：所用统计工具（简单validation校正）不超出当前武器库，但研究者可快速复现并对比更现代的测量误差校正方法。

8. 10.1093/aje/kwaf198 — Risk of opioid overdose associated with concurrent use of hydrocodone and CYP3A4-inhibiting calcium channel blockers: a population-based cohort study¶

作者: Sungho Bea, Christopher Andrew Basham, Heba H Edrees, Krista F Huybrechts, Seanna M Vine, Robert J Glynn et al.
期刊/来源: American Journal of Epidemiology
机构: Brigham and Women's Hospital · Harvard University · Sungkyunkwan University · Stanford Medicine · Stanford University
分类: vol 194 · issue 12 · pp 3609-3619
相关性 5/10 · novelty: application
摘要: 该研究基于 3 个美国大型医疗索赔数据库（2000-2021），旨在评估氢可酮与 CYP3A4 抑制型钙通道阻滞剂（CCB）联用是否会增加阿片类药物过量的风险。采用新用药者设计，分别构建两个队列：先使用 CCB 后启动氢可酮，以及先使用氢可酮后启动 CCB。暴露组为联用 CYP3A4 抑制型 CCB（地尔硫䓬、维拉帕米），对照组为联用非抑制型 CCB（氨氯地平）。通过倾向评分加权平衡混杂因素，使用 Cox 比例风险模型估计风险比（HR），并采用随机效应荟萃分析合并结果。结果显示，两个队列的加权 HR 分别为 1.07（95% CI: 0.90-1.29）和 1.08（95% CI: 0.88-1.32），合并 HR 为 1.07（95% CI: 0.94-1.23），未发现联用增加过量风险。该研究是药物流行病学中应用活性对照新用药者设计的典型实例，对您作为统计学研究者而言，可作为流行病学数据集和分析流程的入门参考。
关键技术: propensity score matching weights, Cox proportional hazards regression, new-user active comparator design, random-effects meta-analysis
为什么对您有用: 本文属于流行病学（gateway-reading 范畴），适合作为药物流行病学队列研究的入门读物——方法标准（新用药者设计、活性对照、倾向评分），结果不显著但分析流程清晰。您的武器库（非参数统计、高维渐近、因果推断估计理论）足以理解本文的全部方法，无需额外学习。建议快速浏览以获取数据集和分析框架的直观认识，但本文方法论深度有限，不属于优先精读项。

9. 10.1093/aje/kwaf222 — Invited commentary: building rigorous clinical evidence for drug–drug interactions¶

作者: Paraskevi Tassopoulou, Antonios Douros
期刊/来源: American Journal of Epidemiology
机构: Berlin Institute of Health at Charité - Universitätsmedizin Berlin · Charité - Universitätsmedizin Berlin · University of Ottawa · McGill University Health Centre · Ottawa Public Health · McGill University
分类: vol 194 · issue 12 · pp 3620-3623
相关性 4/10 · novelty: survey
摘要: 本文是一篇特邀评论，围绕Bea等人关于氢可酮与非二氢吡啶类钙通道阻滞剂的药物相互作用与阿片类药物过量风险的研究展开讨论。评论首先肯定了该研究的方法学优势，包括采用控制性沉淀药物、考虑用药顺序以及使用多种暴露定义。同时，指出了药物相互作用研究领域普遍存在的挑战，如如何合理选择控制性沉淀药物，以及因易感人群耗尽导致的选择偏倚。文章还简要讨论了药物流行病学中新兴方法（如主动比较器设计、工具变量等）在DDI研究中的潜在应用。最后，呼吁在多重用药日益普遍的背景下，加强DDI研究的临床相关性和研究问题的优先级排序。该评论本身不包含实证分析，但对从事药物安全相关的流行病学研究具有方法学启发。
关键技术: control precipitant design, active comparator, exposure definition, selection bias (depletion of susceptibles), pharmacoepidemiology
为什么对您有用: 该评论属于流行病学——您的secondary interest之一，且直接聚焦药物-药物相互作用（DDI）的因果推断设计问题。文中讨论的控制性沉淀药物选择和选择偏倚控制，与您熟悉的因果推断（如IV、负对照）有概念交叉，可作为进入药物流行病学方法的简短入口阅读。武器库中的非参数统计和识别理论可帮助理解其核心识别假设。这是一篇观点性文章，阅读时间成本低，适合作为了解DDI方法论现状的起点；但若时间紧张，阅读全文的边际收益有限。

10. 10.1093/aje/kwaf215 — Association between exposure to VOCs mixture and impaired renal function in Korean adults¶

作者: Seong-Uk Baek, Jin-Ha Yoon
期刊/来源: American Journal of Epidemiology
机构: Yonsei University · Severance Hospital
分类: vol 194 · issue 12 · pp 3520-3528
相关性 4/10 · novelty: application
摘要: 该研究基于韩国国家样本（n=1758），探讨挥发性有机化合物（VOCs）混合物暴露与肾功能指标的关联。使用九种尿中VOC代谢物浓度作为暴露变量，通过血清肌酐估算肾小球滤过率（eGFR）和尿白蛋白肌酐比（ACR）衡量肾功能。采用分位数g计算（qgcomp）和贝叶斯核机器回归（BKMR）两种混合物分析方法。qgcomp结果显示，VOC代谢物每增加一个四分位数，eGFR下降1.33单位（95% CI: -2.46, -0.20），ACR增加14.67%（95% CI: 4.25, 26.15）。BKMR分析也支持总体暴露与肾功能下降之间的剂量-反应关系。个体代谢物中，SPMA和MA对eGFR下降贡献最大，DHBMA对ACR增加贡献最大。这是一项应用流行病学研究，使用当前流行的混合物暴露分析方法，但对方法论本身无新贡献。
关键技术: Quantile g-computation (qgcomp), Bayesian kernel machine regression (BKMR), mixture analysis, multiple exposure biomarkers
为什么对您有用: 本文属于流行病学应用，直接对应您的secondary interest中的流行病学方向。使用的qgcomp和BKMR是混合物分析的标准工具，您可以通过本研究了解此类方法在实际队列数据中的应用模式。该研究的分析流程（暴露变量选择、协变量调整、敏感性分析）可作为您未来处理类似多暴露数据的参考。鉴于您的主要兴趣在因果推断和识别理论，本研究的分析方法较为常规，不包含新颖的因果识别策略，建议作为快速浏览。

11. 10.1093/aje/kwaf200 — Home dampness and molds and occurrence of respiratory tract infections in the first 27 years of life: the Espoo Cohort Study¶

作者: Joona Maaranen, Timo T Hugg, Inês Paciência, Maritta S Jaakkola, Jouni J K Jaakkola, Aino K Rantala
期刊/来源: American Journal of Epidemiology
机构: Oulu University Hospital · University of Oulu · Finnish Meteorological Institute
分类: vol 194 · issue 12 · pp 3492-3500
相关性 4/10 · novelty: application
摘要: 本研究基于前瞻性Espoo队列研究（n=2568），评估住宅潮湿与霉菌暴露对从孕期至27岁期间上下呼吸道感染（URTI和LRTI）的影响。通过三次随访的问卷调查收集水损、表面湿气、可见霉菌和霉味暴露信息，并利用调整后的发病率差异（aIRD）和比率（aIRR）进行估计。结果显示，任何暴露均增加URTI（aIRR 1.15）和LRTI（aIRR 1.47）风险，且存在明确的暴露-反应关系：每增加一个暴露时间点，水损和霉味对应的LRTI风险显著升高（aIRR分别为2.13和2.04）。研究结论强调住宅潮湿暴露的持续性与呼吸道感染发生率密切相关。该工作属于典型队列流行病学应用，采用重复测量和暴露累积评分，但未涉及因果推断方法如工具变量或反事实框架，分析方法较为传统。对于您（一名统计研究者）而言，本文可作为流行病学数据结构的入门读物，了解纵向暴露评估与结果回归分析的常见实践，但方法论创新有限。
关键技术: cohort study, incidence rate ratio, exposure-response analysis, questionnaire-based exposure assessment, longitudinal follow-up
为什么对您有用: 本文属于流行病学应用（您的secondary interest），提供了完整的纵向队列设计和暴露-结果分析流水线，有助于您快速熟悉流行病学数据结构和常用率分析方法。虽然本文未使用因果推断的高级工具（如IV、DML），但暴露-反应模式与您的causal inference兴趣中的剂量-反应模型有概念联系，可作为迁移思考的起点。作为gateway阅读，本文门槛低、叙事清晰，值得花时间了解应用场景，但方法论支撑有限——您无需补充新工具便可读懂，但若要深入该方向的方法学改进，需补充因果识别和灵敏度分析知识（如您moderately_familiar的identification theory）。

Maintained by 陈星宇 · Homepage · Source on GitHub