AJE — Vol 195 Issue 4 · 2026-06-24¶

共 22 篇 · American Journal of Epidemiology
目录核对 ⚠️ 疑似漏 14 篇（对照 OpenAlex 36 篇）：10.1093/aje/kwae418、10.1093/aje/kwaf052、10.1093/aje/kwaf107、10.1093/aje/kwaf046、10.1093/aje/kwaf149 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。

这一期《AJE》第195卷第4期的22篇论文可归纳为三条主线。第一条是因果推断方法及其在流行病学中的应用，覆盖目标试验模拟、边际结构模型（MSM）、异质性处理效应（HTE）评估、以及治疗获益预测因子（TBP）的识别与偏倚问题。第二条是社会流行病学中的因果分解与偏倚分析，聚焦历史歧视（redlining）、居住隔离、结构性种族主义等社会决定因素的健康效应，运用四向分解、兄弟姐妹比较、阴性对照、多水平回归等工具。第三条是实用方法学工具与诊断指标，包括脆弱指数（FI）的重新诠释、生存数据脆弱性指数（FIS）、空间混杂偏差加剧的缓解、抽样计算效率比较、以及疫苗有效性随时间变化的报告规范。

因果推断方法主线上，VanderWeele 的《Reframing the fragility index as bias analysis》将FI重新解释为针对错分类偏倚的敏感性分析框架，使其不再受限于P<0.05的二分法。《Sampling for computational efficiency》比较了四种抽样方案以降低大数据因果参数估计的计算成本。《Marginal structural models for quantifying the causal effects of ambient air pollution》使用时变权重（quantile binning与半参数条件密度估计）估计连续暴露的MSM。《Comparative risk of nonvertebral fractures associated with oral anticoagulants》采用目标试验模拟框架，通过倾向得分匹配权重比较三种抗凝药的骨折风险。《A framework for the rigorous assessment of heterogeneous treatment effects》针对单个RCT提出效应模型与效应评分系统，结合交叉验证避免过拟合，处理删失结局。《Evaluating treatment benefit predictors using observational data》分析了观察性数据中TBP的识别与偏倚路径，指出混杂偏倚在TBP评估中的传播模式比标准因果估计量更复杂。

社会流行病学主线上，《Historical redlining, breast cancer survival》利用四向分解分解历史红线对乳腺癌生存的总效应，发现当代社区社会经济状况中介约一半关联。《Residential segregation and late-stage colorectal cancer》通过多水平logistic回归展示经济与种族化经济隔离的梯度效应。《A preconception cohort study of historical mortgage lending discrimination》使用比例概率回归估计红线评级与生育能力的关联，调整年龄、入组年份和地理区域。《Association of state-level structural racism with subjective cognitive decline》运用混合效应逻辑回归检验结构性种族主义指数与认知衰退的相关性，注意亚组结果方向不一致。《Poverty and ethnic patterns in COVID-19 excess mortality》采用Serfling季节性回归与多变量线性回归估计超额死亡率，揭示贫困率与超额死亡率的简单相关在调整后减弱。《Hypertensive disorders of pregnancy, maternal cardiovascular disease mortality》通过兄弟姐妹比较、溢出效应和阴性对照三个设计分离个体因素与家族混杂，显示高风险HDP轨迹仍存在独立效应。

此外，方法学工具方面，《An alternative method for assessing the fragility of survival analysis results》提出了基于log-rank检验的FIS，不改变组别分配而仅调整事件/删失状态。《Mitigating the risk of bias exacerbation when controlling for unmeasured spatial confounding》推广了暴露-惩罚样条（E-PS）模型以适应二元暴露，并比较空间样条、匹配等方法的偏差减少效果。《Recommendations for estimating and reporting vaccine effectiveness by time since vaccination》提供了时间分层选取、连续型建模（样条）与报告规范的实操指南。《Augmenting fact and date of death in electronic health records》评估NLP辅助精确匹配补充死亡信息的灵敏度与PPV。

与因果推断方向最贴的论文包括：VanderWeele的脆弱指数重释（敏感性分析框架）、Marginal structural models for air pollution（时变因果效应的MSM）、Comparative risk of oral anticoagulants（目标试验模拟）、A framework for HTE（单一RCT异质性因果效应评估）、Evaluating treatment benefit predictors（观察性数据个体化因果效应的识别与偏倚）。社会流行病学中涉及因果分解的四向分解和兄弟比较设计也值得关注。本期末出现少量半参数方法（如MSM中的条件密度估计）但未聚焦效率理论，无高维统计论文。

因果推断 (causal_inference, 2 篇)¶

1. 10.1093/aje/kwaf253 — A framework for the rigorous assessment of heterogeneous treatment effects from a single randomized controlled trial¶

作者: Jane W Liang, Lu Tian, Manjula Kurella Tamura, Maria Montez-Rath, Constantine Frangakis, Vivek Charu
期刊/来源: American Journal of Epidemiology
机构: Kaiser Permanente · Stanford Medicine · Stanford University · VA Palo Alto Health Care System · Johns Hopkins University
分类: vol 195 · issue 4 · pp 1098-1107
相关性 8/10 · novelty: application
摘要: 本文针对单个随机对照试验（RCT）中的异质性治疗效果（HTE）问题，提出了一套严格的模型开发与评估框架。目标是通过“效应模型”（effect model）直接刻画基线协变量与治疗分配的复杂交互作用，并生成“效应评分”用于对患者按预测获益排序，从而实现个体化治疗决策。框架核心包括：使用交叉验证等方法避免过拟合，确保效应模型的泛化能力；在时间-事件结局且存在右删失的真实数据集（如肾脏病临床试验）中展示完整分析流程。尽管效应模型本身并非全新概念，但本文系统性地整合了模型选择、验证和推断步骤，并强调了从单一RCT中可靠量化HTE的实际挑战。对您而言，这是一篇流行病学领域HTE应用的务实指南，连接了因果推断中的效应异质性主题与真实数据分析（生存数据），可利用您熟悉的因果推断估计理论快速消化其中建模与验证策略。
关键技术: effect model, effect score for ranking, cross-validation for overfitting prevention, survival analysis with right-censoring, subgroup analysis, model validation framework
为什么对您有用: 本文直接连接您的primary interest中的因果推断（异质性治疗效果）和secondary interest中的流行病学应用。论文提供的效应模型评估框架属于经典的因果推断估计问题，您非常熟悉的因果推断估计理论（如非参数回归、交叉验证）足以理解其技术细节，并可迁移至您自己的应用数据（例如评估治疗-协变量交互的稳健性）。follow-up粗判：立即可做——使用您现有的因果推断工具包（偏差-方差权衡、模型选择）即可复现或扩展该框架。

2. 10.1093/aje/kwaf239 · arXiv — Evaluating treatment benefit predictors using observational data: contending with identification and confounding bias¶

作者: Yuan Xia, Mohsen Sadatsafavi, Paul Gustafson
期刊/来源: American Journal of Epidemiology
分类: vol 195 · issue 4 · pp 1056-1062
相关性 8/10 · novelty: survey
摘要: 本文探讨在观察性数据中评估治疗获益预测因子的识别与混杂偏倚问题。治疗获益预测因子是将患者特征映射到个体化治疗获益的函数，对精准医学中的优化决策至关重要。作者以二值治疗、单时间点为例，展示了如何利用目标人群的观察性数据评估预指定的TBP，重点分析了区分度指标（浓度获益指数）和校准指标（适度校准曲线）。他们通过将涉及潜在获益变量的估计量重表达为仅依赖于可观测数据分布的形式，实现了识别。文章进一步指出，当无法完全控制混杂时，偏倚传播模式比常见因果估计量更复杂、更不可预测，常规的因果效应偏倚方向直觉在此失效。本文对临床研究者具警示意义，同时为因果推断中个体化治疗效应的识别与估计提供了概念性框架。
关键技术: identification via observed data re-expression, concentration of benefit index, moderate calibration curve, confounding bias propagation
为什么对您有用: （1）直接连接primary interest中的因果推断识别问题，特别是treatment effect heterogeneity与个性化治疗决策评估；（2）研究者可在very_familiar的identification theory框架下，用U-statistics或semiparametric效率理论为TBP评估构建更严谨的估计量与推断（如双稳健估计）；（3）立即可做：研究者已有identification因果推断基础，可沿本文概念写出完整识别条件并构造半参数估计量。

流行病学 (epidemiology, 20 篇)¶

1. 10.1093/aje/kwaf276 — Reframing the fragility index as bias analysis: sensitivity analysis, P- values, parameterizations, and confidence intervals¶

作者: Tyler J VanderWeele
期刊/来源: American Journal of Epidemiology
机构: Harvard University · Cancer Research And Biostatistics
分类: vol 195 · issue 4 · pp 1182-1184
相关性 8/10 · novelty: minor
摘要: 脆弱指数（Fragility Index, FI）是流行病学中评估统计显著性对事件状态变化敏感程度的常用指标。VanderWeele在本文中提出将FI重新解释为针对错分类偏倚的敏感性分析或偏倚分析框架，而非单纯看P值阈值。作者指出这一视角使FI能自然扩展到生存数据等其他数据类型，并容纳Xing等人提出的生存数据脆弱指数变体。通过将FI与错分类概率等偏倚参数直接联系，不再拘泥于P<0.05的二分法，从而提供更系统的敏感性分析框架。文中还讨论了FI与置信区间宽度的关系，强调使用置信区间可得到更稳健的推断。本文篇幅短、概念清晰，适合作为流行病学敏感性分析方向的入门阅读。结合您已熟悉的因果推断敏感性分析工具（如E值），可进一步拓展FI的应用思路。
关键技术: fragility index, bias analysis, sensitivity analysis, misclassification bias, P-value threshold
为什么对您有用: （1）本文是流行病学中FI概念的入门短文，由敏感分析大家VanderWeele撰写，语言清晰、不依赖复杂数学，适合作为你（二级兴趣：流行病学）的gateway reading。（2）你的武器库中“因果推断的估计理论”（如E值、偏倚公式）可直接与本文框架对照，用于整合和拓展FI方法；此外，你熟悉的反问题与非参数统计也有助于理解错分类偏倚的识别。（3）全文仅3页，概念贡献明确，值得花30分钟阅读以掌握这一常用工具的核心逻辑，并考虑与你的因果推断敏感性分析工作结合。

2. 10.1093/aje/kwaf266 — Evaluation of potential approaches for counting person-time in instances where no active comparator is present¶

作者: Katherine Giorgio, Pamela L Lutsey, Wendy Wang, Rob Walker, Faye L Norby, Jared Huling
期刊/来源: American Journal of Epidemiology
机构: University of Minnesota · Minnesota Department of Health
分类: vol 195 · issue 4 · pp 1037-1044
相关性 8/10 · novelty: application
摘要: 该文针对 pharmacoepidemiology 中无 active comparator 时无法直接应用目标试验框架的困境，评估了六种寻找未治疗患者替代索引日期（surrogate index date）的方法。原始数据来自 MarketScan（2013-2019），纳入 73,070 名 2 型糖尿病患者，以真实 SGLT2i 与磺脲类药物比较的 HR=0.69 为基准。六种方法包括：rejection sampling（两种变体）、中位数法、预测模型法、匹配算法。结果仅有 rejection sampling 方法给出的 HR（0.61, 0.63）偏离基准较小，其余方法偏差较大。研究建议在无 active comparator 的观察性研究中应谨慎选择设计策略，并强调 rejection sampling 在此设定下可能较为稳健。这是一篇应用性质的方法比较研究，对流行病学中缺失 active comparator 时的因果推断实践有直接参考价值。
关键技术: target trial emulation, surrogate index date, rejection sampling, active comparator, pharmacoepidemiology
为什么对您有用: 本文属于流行病学应用方向，处理的是因果推断中目标试验模拟的关键实操问题（无 active comparator）。研究者有扎实的因果推断估计理论（very_familiar），可借此快速理解并评估文中方法的设计逻辑与潜在局限。本文方法比较结果清晰，适合作为流行病学领域因果推断设计的入门级读物，值得花时间阅读全文以了解实际数据分析中的细节与陷阱。

3. 10.1093/aje/kwaf282 — Historical redlining, breast cancer survival, and the mediating and modifying role of contemporary neighborhood socioeconomic conditions¶

作者: Sarah M Lima, Tia M Palermo, Lili Tian, Furrina F Lee, Tabassum Z Insaf, Henry Louis Taylor, Jr et al.
期刊/来源: American Journal of Epidemiology
机构: Georgetown University · Georgetown University Medical Center · University at Buffalo, State University of New York · PDF Solutions (United States) · New York State Department of Health · University at Albany, State University of New York · University of Michigan · Roswell Park Comprehensive Cancer Center
分类: vol 195 · issue 4 · pp 1015-1026
相关性 7/10 · novelty: application
摘要: 本研究利用纽约州癌症登记处6万余例浸润性乳腺癌病例，考察1930年代历史红线划分（redlining）政策与当代乳腺癌生存率之间的关联，并重点分析当代社区社会经济状况（以劳动阶层集中指数proxy）的中介和调节作用。采用四向分解（four-way decomposition）方法将总效应分解为控制直接效应、纯间接效应以及由交互作用引发的直接和间接成分。结果显示D级（最差）相比A级红线的5年死亡率风险比RR=1.20；分解后控制直接效应超额风险ERR=0.10，纯间接效应ERR=0.09，交互作用不显著，表明当代社区社会经济状况中介了约一半的关联，另一半仍归因于历史红线本身。分层分析显示该模式在激素受体阳性、局限期和区域期肿瘤中一致，但在激素受体阴性或远处转移期肿瘤中不显著，且分解结果因种族/民族而异。本研究是应用因果中介分解方法于流行病学队列的典型实例，其分析框架可直接迁移至其他健康不平等议题。
关键技术: four-way decomposition, mediation analysis, interaction decomposition, controlled direct effect, pure indirect effect, causal mediation with exposure-mediator interaction
为什么对您有用: 本论文直接连接您对 流行病学中的应用因果工作（secondary interest）的兴趣，具体展示四向分解在历史暴露与健康结局中的中介/调节分析。该分解方法涉及识别假设和效应分解，恰好可以调用您 moderately_familiar 武器库中的 identification theory in causal inference 来审视其识别条件（如序贯可忽略性、无交互作用假设的检验策略）。中期可做：若想在类似流行病学数据中独立复现或扩展该分解，需先在mediation identification理论上进一步巩固（尤其是处理时间固定暴露与事后中介时的交叉世界反事实假设）。

4. 10.1093/aje/kwaf268 — Sampling for computational efficiency when conducting analyses in big data¶

作者: Jacqueline E Rudolph, Yiyi Zhou, Karine Yenokyan, Xiaoqiang Xu, Eryka Wentz, Keri L Calkins et al.
期刊/来源: American Journal of Epidemiology
机构: Johns Hopkins University · Johns Hopkins Medicine · Mathematica Policy Research
分类: vol 195 · issue 4 · pp 1129-1135
相关性 7/10 · novelty: application
摘要: 这篇论文针对大型观测数据库（Medicaid 近 3000 万受益者）中因果参数估计的计算效率问题，系统比较了全样本分析、分治再合并（divide-and-recombine）、子队列（subcohort）和病例-队列（case-cohort）四种抽样方案。目标参数包括肺癌发病率的 IRR（Poisson 模型）、HR（Cox 模型）和 RR（Kaplan-Meier 估计），并通过逆概率加权（IPW）控制混杂。结果发现子队列和病例-队列方法估计值更接近全样本，且计算时间和内存使用显著低于分治再合并，特别是对于 RR 估计。论文没有提出新方法，但提供了实用的经验指导：在资源受限时，合理的抽样可以在几乎不损失估计精度的前提下大幅降低计算负担。对流行病学应用的感兴趣者而言，这是一篇可直接参考的实证研究，展示了在实际大数据环境中如何权衡计算资源与估计精度。
关键技术: inverse probability weighting, divide-and-recombine, subcohort sampling, case-cohort sampling, Cox proportional hazards, Kaplan-Meier estimator
为什么对您有用: 直接对应流行病学二次兴趣中的实际数据集和因果推断应用（IPW + 生存分析），论文的抽样比较结果为本人使用类似大型行政数据库时的计算策略提供了具体参考。可用 very_familiar 中的 'estimation theory in causal inference' 和 'software development' 技能评估 IPW 估计量的方差估计准确性，并尝试扩展至更高效的抽样方案（如泊松抽样或自适应采样）。立即可做：复现其比较框架，加入其他因果估计量（如 AIPW、TMLE）进一步验证计算-精度权衡。

5. 10.1093/aje/kwaf252 — Marginal structural models for quantifying the causal effects of exposure to ambient air pollution on progression of CT emphysema in the MESA lung and MESA air studies¶

作者: Daniel Malinsky, Meng Wang, Rachel Heise, Carrie L Pistenmaa, Eric A Hoffman, Lianne Sheppard et al.
期刊/来源: American Journal of Epidemiology
机构: Columbia University · Kaleida Health · University at Buffalo, State University of New York · Cornell University · Brigham and Women's Hospital · University of Iowa · University of Washington · Cancer Research And Biostatistics 等
分类: vol 195 · issue 4 · pp 1090-1097
相关性 7/10 · novelty: application
摘要: 在纵向观察性研究中，目标是估计环境空气污染暴露对 CT 测量的肺气肿进展的因果效应，核心挑战是 time-varying confounding。采用 marginal structural models (MSM) 框架，通过 inverse probability of treatment weighting (IPTW) 处理时变混杂。针对连续暴露变量，比较了两种权重估计方法：quantile binning 和 semiparametric conditional density estimation（后者整合了 flexible machine learning）。使用 MESA Lung 和 MESA Air 队列数据，发现臭氧暴露对肺气肿进展有显著有害效应，而 NOx 无显著效应。这是流行病学领域中 MSM 处理连续暴露的 applied work，方法学 novelty 有限但对您理解 longitudinal causal inference 的实际应用有参考价值。
关键技术: marginal structural models, inverse probability of treatment weighting, time-varying confounding, continuous exposure weighting, semiparametric density estimation, longitudinal causal inference
为什么对您有用: (1) 直接连接到 longitudinal causal inference 和 time-varying confounding 这一 primary interest 子方向，展示了 MSM 在真实流行病学队列中的应用范式。(2) 连续暴露的权重估计（quantile binning vs semiparametric density）涉及 semiparametric theory 的实际落地，可用您 moderately_familiar 的 semiparametric theory 审视其 density estimation 步骤的效率与稳健性。(3) 中期可做：若想深入 longitudinal MSM 的效率理论（如 optimal weighting、doubly robust estimation for continuous exposure），需先在 moderately_familiar 的 semiparametric theory 上加强，特别是连续处理变量的 efficient influence function 推导。

6. 10.1093/aje/kwaf235 — Comparative risk of nonvertebral fractures associated with oral anticoagulants in patients with venous thromboembolism¶

作者: Zhifei Zeng, Sungho Bea, Sushama K Sreedhara, Katsiaryna Bykov
期刊/来源: American Journal of Epidemiology
机构: Brigham and Women's Hospital · Harvard University
分类: vol 195 · issue 4 · pp 1027-1036
相关性 7/10 · novelty: application
摘要: 研究问题是在静脉血栓栓塞（VTE）患者中，比较三种口服抗凝药（apixaban、rivaroxaban、warfarin）对非椎体骨折风险的因果效应。采用 target trial emulation 框架，利用美国 Medicare 和 Optum Clinformatics 行政索赔数据构建三臂队列研究。核心方法是 propensity score matching weights 用于平衡基线协变量，同时进行 on-treatment 分析和 intention-to-treat 敏感性分析。估计量是 weighted hazard ratio，95% 置信区间显示三种药物间骨折风险无显著差异。结论是三种抗凝药在 VTE 二级预防中的骨折风险相当，对您而言是流行病学因果比较研究的典型应用案例。
关键技术: target trial emulation, propensity score matching weights, intention-to-treat analysis, hazard ratio estimation, administrative claims data
为什么对您有用: 本文属于流行病学应用，方法是标准的 target trial emulation + PS weighting，没有新的方法学贡献。对您的主要价值在于：(1) 作为 applied causal work 的范例，展示了如何在观察数据中用 target trial 框架做三臂比较；(2) 数据集和设计模式可迁移到您感兴趣的 IV 或 sensitivity analysis 研究。follow-up 判断：暂不可做——本文是纯应用，没有方法学口子可攻；若想进入这个方向，需要先积累临床领域知识。

7. 10.1093/aje/kwaf257 — Hypertensive disorders of pregnancy, maternal cardiovascular disease mortality and the role of familial predisposition: a Norwegian population-based sibling-comparison, sibling-spillover and negative-control cohort study¶

作者: Aditi Singh, Sage Wyatt, Liv Grimstvedt Kvalvik, Rolv Skjærven
期刊/来源: American Journal of Epidemiology
机构: University of Bergen · Norwegian Institute of Public Health
分类: vol 195 · issue 4 · pp 991-1000
相关性 6/10 · novelty: application
摘要: 该文利用挪威登记数据（1967-2020）研究妊娠期高血压疾病（HDP）与母亲70岁前心血管疾病（CVD）死亡率的关系，并重点区分不同HDP轨迹（低风险 vs 高风险）及共享家族因素的贡献。方法上同时采用群体水平Cox比例风险模型、兄弟姐妹比较（discordant-sisters）、兄弟姐妹溢出（sister’s HDP history对无HDP女性的影响）以及阴性对照（sister-in-law’s HDP history）四个设计来分离个体因素与家族混杂。结果表明高风险HDP轨迹的CVD死亡风险显著升高（校正HR=1.89），且在兄弟姐妹比较中仍明显（HR=1.51）；无HDP女性若有HDP姐妹则CVD死亡率轻微升高（HR≈1.25），但若有HDP妯娌则无变化（阴性对照HR≈1.01）。结论认为个体特异性因素是CVD死亡率异质性的主因，共享家族因素作用有限。对您而言，该文是观察性因果推断中利用家庭内对照和阴性对照进行敏感性分析的优秀范例，可直接迁移到您的proximal CI或纵向因果推断研究中处理未观测混杂。
关键技术: sibling-comparison design, sibling-spillover analysis, negative-control design, Cox proportional hazards model, trajectory classification, shared familial factor decomposition
为什么对您有用: (1) 本文属于流行病学的应用因果推断，直接使用阴性对照和兄弟姐妹比较来评估家族混杂，与您secondary interest中的流行病学数据集和因果推断方法高度契合；(2) 技术武器库中very_familiar的'estimation theory in causal inference'可立即用来审视其识别假设是否成立（例如阴性对照的排除性假设是否合理），而moderately_familiar的'identification theory in causal inference'可帮助思考是否可将此设计推广到proximal CI的负控制变量框架；(3) 立即可做——您对因果识别理论非常熟悉，无需额外工具即可剖析该文的识别策略，并考虑在您的proximal CI项目中引入类似的family-based negative control。

8. 10.1093/aje/kwaf248 — Mitigating the risk of bias exacerbation when controlling for unmeasured spatial confounding for binary exposures¶

作者: Danyang Li, Maricela Cruz, Stephen J Mooney, Andrea J Cook, Jennifer F Bobb
期刊/来源: American Journal of Epidemiology
机构: University of Pittsburgh · University of Washington · Kaiser Permanente Washington Health Research Institute
分类: vol 195 · issue 4 · pp 1063-1072
相关性 6/10 · novelty: application
摘要: 在点参考空间数据设定下，本文研究二元暴露在存在未测量空间混杂时，空间模型是否会导致暴露效应估计的偏差加剧（bias exacerbation）。目标估计量是平均处理效应（ATE），比较的方法包括空间样条模型、匹配、以及匹配与惩罚样条（PS）的组合，并推广了暴露-惩罚样条（E-PS）模型以适应二元暴露。模拟和实际数据分析表明，对于个体层面的二元暴露，空间方法可以消除偏差；对于纯空间变化的二元暴露，只要空间样条调整足够灵活，偏差也能减少，这与连续暴露的情形不同。Generalized E-PS 和最近邻匹配与 PS 的组合通常能实现最大的偏差减少。本文属于应用因果推断工作，方法学 novelty 有限，但对流行病学空间数据分析有实践指导意义。
关键技术: spatial spline models, propensity score matching, penalized spline, exposure-PS model, unmeasured spatial confounding, average treatment effect
为什么对您有用: 本文连接到流行病学应用因果推断方向，聚焦空间混杂这一具体设定。研究者武器库中的 identification theory in causal inference 可用于审视本文的空间混杂识别策略，estimation theory in causal inference 可用于评估其估计器性质。属于 gateway-reading：对空间流行病学入门有价值，武器库足够支撑理解全文，但方法学贡献有限，建议快速浏览后决定是否深入。

9. 10.1093/aje/kwaf285 — Residential segregation and late-stage colorectal cancer in the United States: a population-based study of 1.2 million adults¶

作者: Eduardo J Santiago-Rodríguez, Justin S White, Zinzi D Bailey, Isabel E Allen, Robert A Hiatt, Salma Shariff-Marco
期刊/来源: American Journal of Epidemiology
机构: University of California, San Francisco · Boston University · University of Minnesota · Minnesota Department of Health · UCSF Helen Diller Family Comprehensive Cancer Center · National Cancer Registry
分类: vol 195 · issue 4 · pp 1163-1174
相关性 5/10 · novelty: application
摘要: 本研究利用2009-2017年美国癌症统计数据库中的1.2百万例结直肠癌病例，探索县级居住隔离与晚期诊断的关联。居住隔离通过极端集中指数（ICE）衡量，涵盖经济、种族/族裔及其组合维度。采用多水平logistic回归控制县级聚类，并按种族/族裔、性别和年龄进行分层分析。结果显示，居住在最多弱势群体的县域的患者，晚期诊断几率显著高于居住在最多优势群体的患者，且经济与种族化经济隔离呈现清晰梯度。分层分析表明，种族/族裔少数群体和较年轻年龄组中关联更强，性别间差异不显著。这项大规模流行病学应用清晰展示了健康不平等的社会驱动因素，对您的流行病学应用兴趣提供了大型真实数据集和多水平回归分析的标准范例。
关键技术: multilevel logistic regression, Index of Concentration at the Extremes (ICE), population-based cancer registry, stratified analysis, health disparities
为什么对您有用: 这是一篇流行病学应用论文，直接对应您的secondary interest中流行病学的应用与真实数据集。文章使用多水平logistic回归（您very_familiar的非参数统计和软件可轻松处理），分析步骤清晰，适合作为进入流行病学方向的入门读物。武器库中的非参数统计和软件开发技能足以理解并拓展此类分析模式，值得花时间阅读全文以熟悉大规模健康登记数据结构与分析惯例。

10. 10.1093/aje/kwaf275 — Derivation of three occupational status measures in young Black women: the study of environment, lifestyle, and fibroids¶

作者: Aarushi Joshi, Arbor J L Quist, Donna D Baird, Anissa I Vines
期刊/来源: American Journal of Epidemiology
机构: University of North Carolina at Chapel Hill · National Institute of Environmental Health Sciences · National Institute of Health Sciences
分类: vol 195 · issue 4 · pp 1147-1153
相关性 5/10 · novelty: application
摘要: 本文以1053名黑人/非裔美国年轻女性为样本，在“环境、生活方式与子宫肌瘤研究”的流行病学队列中，利用美国人口普查局的行业与职业代码系统（Standard Occupational Classification）对自报基线职业数据进行标准化编码，并推导了三种经典职业地位度量：Hauser-Warren社会经济指数（HWSEI）、Nam-Powers-Boyd职业地位分数（NPBOSS90）和Nakao-Treas声望分数（PRENT）。这三种度量均归一化至0-100分，但分数分布差异明显（中位数分别为30.3、43.2、41.7）。论文详细描述了数据清洗、编码映射与分数计算流程，提供了R或Stata伪代码框架，便于其他流行病学研究者复现。其核心方法论贡献在于为不使用教育和收入信息（如PRENT）或整合多维度（如HWSEI）的SES测量提供了实操指南。主要结果强调了职业地位在SES多维结构中的独立价值，指出在已有教育和收入数据时，PRENT可提供额外洞察。对于从事流行病学应用研究的读者，本文是理解职业地位变量构造的清晰入门材料，但其方法学创新程度有限，未涉及因果推断或统计推断理论。
关键技术: Standard Occupational Classification (SOC), Hauser-Warren Socioeconomic Index (HWSEI), Nam-Powers-Boyd Occupational Status Score (NPBOSS90), Nakao-Treas Prestige Score (PRENT), occupational status derivation pipeline
为什么对您有用: 本文属于流行病学应用类别，与您次要兴趣中的流行病学（数据集、应用因果工作）直接相关。作为一款清晰的入门读物，它系统展示了如何从原始职业文本处理到标准化分数编码的完整流程，适合快速了解SES职业度量在队列研究中的构造实践。您的技术武库中的‘nonparametric statistics’和‘software development’足以支撑您理解并复现该流程，但该论文未提出新的统计方法或因果推断问题，因此属于‘暂不可做’范畴——若要进一步做方法创新（如结合因果推断中的中介分析或敏感性分析），需额外补足流行病学变量构造的背景知识。对于拓宽流行病学数据视角有一定价值，但并非核心兴趣的推进。

11. 10.1093/aje/kwaf274 — Poverty and ethnic patterns in COVID-19 excess mortality: evidence from Chile, 2020-2022¶

作者: Raj Kumar Subedi, Svenn-Erik Mamelund, Iris Delgado, Isabel Matute, Carla Castillo Laborde, Elienai Joaquin-Damas et al.
期刊/来源: American Journal of Epidemiology
机构: Georgia State University · Georgia Department of Public Health · Universidad Metropolitana · Universidad del Desarrollo · Kyung Hee University
分类: vol 195 · issue 4 · pp 1136-1146
相关性 5/10 · novelty: application
摘要: 本研究利用 Serfling 回归模型和多变量线性回归，估计了 2020–2022 年智利不同地区、人口结构和贫困水平下的 COVID-19 超额死亡率。Serfling 回归是一种季节性时间序列方法，通过拟合基线死亡率并识别超出阈值的部分来定义超额死亡；多变量模型则调整了地区层面的协变量（如原住民比例、老年人口比例、贫困率）。结果发现 80 岁以上人群超额死亡率达 267.35/万人，是 80 岁以下者的 8 倍以上；原住民比例和老年人口比例是地区超额死亡率的强预测因子（系数分别为 53.66 和 5.68，均显著）。贫困率与超额死亡率存在显著相关（r=0.23），但在多变量调整后关联减弱，提示贫困可能通过其他社会决定因素间接作用。空间分析（Moran's I = 0.119, p<0.001）识别出北部和南部热点区域。该研究为流行病学中健康不平等分析提供了简洁的生态学框架，可作为理解弱势群体超额死亡模式的参考——对您可能有用：连接流行病学应用，您可以用更精细的因果推断方法（如工具变量或差异中的差异）处理其中的内生性问题。
关键技术: Serfling regression, multivariable linear regression, spatial autocorrelation (Moran's I), excess mortality estimation, ecological analysis
为什么对您有用: 本文是流行病学领域应用型论文，直接对应您的 secondary interest 中的 epidemiology（特别是健康不平等 and 贫困/种族差异分析）。您可以用 very_familiar 的非参数统计工具（如广义加性模型）检验 Serfling 回归的线性假设稳健性，或用 moderately_familiar 的 M 估计理论为超额死亡率估计构造更可靠的置信区间。由于该文仅使用了传统的回归和空间自相关方法，未涉及因果推断的识别策略，属于中期可做：若想在这里引入因果方法（如工具变量或断点回归），需要在 moderately_familiar 的 identification theory in causal inference 上进一步熟悉智利地区的政策背景和数据。

12. 10.1093/aje/kwaf237 — A preconception cohort study of historical mortgage lending discrimination and present-day fecundability¶

作者: Sharonda M Lovett, Lauren A Wise, Andrea S Richardson, Erin J Campbell, Kaylin A Vrkljan, Kipruto Kirwa et al.
期刊/来源: American Journal of Epidemiology
机构: Boston University · RAND Corporation · Milken Institute · George Washington University
分类: vol 195 · issue 4 · pp 1185-1194
相关性 5/10 · novelty: application
摘要: 本研究估计历史性房贷歧视（redlining）与生育能力（fecundability，即每周期受孕概率）之间的关联。数据来自 2013-2023 年美国前瞻性孕前队列研究 PRESTO，共纳入 1901 名 21-45 岁女性参与者，通过基线居住地址链接 1930 年代 HOLC 社区评级（A+B / C / D）。方法采用 proportional probabilities regression 模型估计 fecundability ratios（FRs），调整年龄、入组年份和地理区域。主要结果显示：与 A+B 级社区相比，C 级和 D 级（redlined）社区的 FR 分别为 0.91（95% CI: 0.81-1.03）和 0.86（95% CI: 0.74-1.00），表明居住在历史上被红线标注或衰退社区与生育能力中度下降相关。本文为应用流行病学研究，方法学 novelty 有限，但提供了历史政策影响健康结局的实证案例。
关键技术: prospective cohort study, proportional probabilities regression, fecundability ratio, historical exposure linkage, confounding adjustment
为什么对您有用: 本文属于流行病学应用研究，连接到 secondary interest 中的 epidemiology（applied causal work）。方法论上使用标准回归调整，未涉及 IV、DML 或 semiparametric efficiency 等您熟悉的因果推断工具，因此对 technical_arsenal 的直接锻炼有限。作为 gateway reading：本文展示了如何将历史政策变量作为 exposure 进行健康结局研究，数据链接和队列设计有一定参考价值，但若您关注的是因果推断方法学（如 sensitivity analysis、IV），本文不是最佳入门读物。建议快速浏览图表和讨论部分即可。

13. 10.1093/aje/kwaf254 — Recommendations for estimating and reporting vaccine effectiveness by time since vaccination: a COVID-19 case study¶

作者: Esther Kissling, Baltazar Nunes, Mariëtte Hooiveld, Iván Martínez-Baz, Susana Monge, Chris Robertson et al.
期刊/来源: American Journal of Epidemiology
机构: University of Antwerp · Helicon Foundation · Netherlands Institute for Health Services Research · Instituto de Salud Pública de Navarra · Centro de Investigación Biomédica en Red de Epidemiología y Salud Pública · Instituto de Salud Carlos III · University of Strathclyde · Public Health Scotland 等
分类: vol 195 · issue 4 · pp 1108-1119
相关性 5/10 · novelty: application
摘要: 本文针对 COVID-19 疫苗有效性 (VE) 的病例-对照研究，提出了一套估计和报告随时间变化 VE 的实践建议，以解决不同研究间因方法差异导致的比较困难。内容覆盖了研究设计与预分析、描述性分析、时间分层 (time-since-vaccination categories) 的选取、连续型建模（如样条）与分类型建模方法的选择，以及结果报告规范。作者利用真实病例-对照数据演示了具体分析流程，并提供了 R 和 Stata 统计脚本，强调了可重复性和透明度。方法上重点讨论了如何避免时间依赖的混杂、保证模型可比性，并建议在报告时明确疫苗接种时的基线特征。其他关键考虑包括对变异株、年龄组和疫苗类型的亚组分析的分层策略。结果给出了一个标准化的分析模板，可推广至其他传染病的 VE 监测。对于研究者而言，本文是流行病学中因果推断应用的实用入口，其分析框架可直接迁移至纵向因果推断场景下的时间效应建模。
关键技术: case-control study design, vaccine effectiveness (VE) estimation, time-since-vaccination modeling, categorical vs. continuous hazard models, R/Stata reproducible scripts
为什么对您有用: 本文与您的二级兴趣——流行病学应用紧密相关，直接涉及疫苗有效性随时间衰减的估计方法，这与您的因果推断主线（特别是纵向设定中的时间相关处理效应）有明确连接。您可用『因果推断中的估计理论』评估其模型选择是否最优，用『非参数统计』检验连续建模的灵活性是否充分。作为应用指南，本文入门友好且附带代码，适合快速了解 VE 分析全流程，立即可复现并迁移至其他疾病有效性研究。

14. 10.1093/aje/kwaf229 — An alternative method for assessing the fragility of survival analysis results: a proof-of-concept study based on the log-rank test¶

作者: Xing Xing, Aiwen Xing, Kannan Natarajan, Haitao Chu, Lifeng Lin, Jiayi Tong
期刊/来源: American Journal of Epidemiology
机构: Johns Hopkins University · Merck & Co., Inc., Rahway, NJ, USA (United States) · Pfizer (United States) · University of Arizona
分类: vol 195 · issue 4 · pp 1175-1181
相关性 5/10 · novelty: application
摘要: 该论文针对生存分析中P值滥用和过度关注统计显著性问题，提出了一种改良的脆弱性指数（FIS），用于衡量log-rank检验结果对事件状态或删失状态改变的敏感度。FIS不改变患者的组别分配（保留随机对照试验的原始结构），而是计a算最小的事件或删失状态变化次数，以翻转显著性结论（由显著变不显著或不显著变显著）。与现有生存数据的FI改编方法相比，FIS更契合原始脆弱性指数的理念，临床解释也更合理。通过两项RCT实例展示方法性能。作为方法学改进，该工作属于标准的统计诊断工具，未涉及因果推断、效率理论或高维统计等核心前沿。该论文对流行病学研究中生存分析结果的稳健性评估有实际参考价值，但其方法学贡献相对有限。
关键技术: Fragility Index, Log-rank test, Survival analysis, Event status flipping, Censoring status flipping
为什么对您有用: 连接流行病学（研究者secondary interest）中的生存分析假设检验问题；武器库中无直接可攻的统计诊断工具，但研究者对假设检验本身熟悉，可考虑将此FI思路扩展至更复杂的因果生存模型（如IPCW或Aalen additive model）的显著性稳健性，属中期可做（需先加强对生存分析因果推断的熟悉度）。本文是流行病学方法学入门读物，值得了解但无需深读全文。

15. 10.1093/aje/kwaf262 — Association of state-level structural racism with subjective cognitive decline prevalence—Behavioral Risk Factor Surveillance System, 2015-2016¶

作者: Joshua E Cohen, Owais Gilani, Belinda L Needham, Darya Dokshina, Megan D Douglas, Talha Ali
期刊/来源: American Journal of Epidemiology
机构: Tufts University · University of Michigan · Morehouse School of Medicine
分类: vol 195 · issue 4 · pp 1001-1008
相关性 4/10 · novelty: application
摘要: 本研究利用2015-2016年BRFSS数据（N=184,731）和2010年结构性种族主义相关州法律数据库，检验了州级结构性种族主义指数（涵盖刑事司法、经济、医疗、住房、移民和政治参与等22项法律指标）与老年人主观认知衰退（SCD）之间的关联。分析方法采用调整混杂的混合效应逻辑回归模型，并在种族/民族和年龄组间进行了效应修饰分析。全样本结果显示，结构性种族主义指数每增加两个单位，SCD的比值比（OR）为1.00（95% CI 0.99-1.01），无统计学显著关联。但在亚组分析中发现，西班牙裔（OR=0.91）和多种族（OR=0.95）成年人呈现负关联，且年龄分层后部分族群（如年轻夏威夷/太平洋岛民、年长美国印第安/阿拉斯加原住民）也出现保护性关联。本文是典型的大型流行病学关联研究，统计学方法较为基础（未使用因果推断框架），但其数据集和暴露-结局结构为更严谨的因果分析（如工具变量、敏感性分析）提供了现成的应用场景，对您关注流行病学实际数据分析有参考价值。
关键技术: mixed-effects logistic regression, effect measure modification, state-level index, race/ethnicity stratification
为什么对您有用: 本文直接对应您的secondary interest中的流行病学应用方向，使用大规模公共数据库（BRFSS）探究结构性种族主义与认知健康的关联。您可立即利用very_familiar中的estimation theory in causal inference（如TMLE或双重稳健估计）重新分析同一数据，将当前关联研究升级为因果估计，并检验其对未观测混杂的敏感性——这属于立即可做的跟进工作，因为数据公开且因果推断工具已熟练掌握。

16. 10.1093/aje/kwaf246 — Childhood adversity and spontaneous abortion in a North American preconception cohort study¶

作者: Andrea S Kuriyama, Sharonda M Lovett, Amelia K Wesselink, Krystal E Kuan, Molly N Hoffman, Yael I Nillni et al.
期刊/来源: American Journal of Epidemiology
机构: Boston University · National Center for PTSD · Boston Medical Center
分类: vol 195 · issue 4 · pp 982-990
相关性 3/10 · novelty: application
摘要: 本文基于北美孕前队列（PRESTO, 2013-2024, n=6100），研究童年期逆境（ACE量表、BTQ创伤问卷）与自然流产（SAB）风险的关联，并检验童年社会支持（SSI）的缓冲效应。使用Cox比例风险模型估计风险比（HR），调整年龄、教育等基线混杂变量。核心发现：ACE综合得分及各维度与SAB无显著关联；但BTQ测量的童年身体/性虐待与SAB呈弱正相关（HR≈1.1, 95%CI跨1）。低SSI亚组中，虐待与SAB关联增强（HR=1.76, 1.15-2.68），提示SSI可能修饰逆境效应。该文代表了前瞻性队列研究中标准生存分析与亚组交互检验的典型应用。对统计研究者的实用价值：提供了一个真实场景下的'逆风因果推断'案例，可在此基础施加更完善的混杂控制或敏感性分析以检验稳健性。
关键技术: Cox proportional hazards model, subgroup analysis, Adverse Childhood Experiences scale, Berkman-Syme Social Network Index
为什么对您有用: 本文直接连接到二级兴趣 epidemiology 的 'applied causal work' 子方向，展示了前瞻性队列中童年暴露与成年结局的标准生存分析流程。武器库中 'estimation theory in causal inference' 和 'nonparametric statistics' 均属 very_familiar，可立即可用类似数据复现并尝试引入更精细的混杂控制（如倾向评分加权、e-value敏感性分析）。但本文未使用IV或DML等高级因果工具，方法学深度有限，适合作为流行病学因果分析实践的入门阅读材料。

17. 10.1093/aje/kwaf258 — Augmenting fact and date of death in electronic health records using internet media sources: a validation study from two large healthcare systems¶

作者: Michele LeNoue-Newton, Mohammed Al-Garadi, Kerry Ngan, Haritha Pillai, Ruth M Reeves, Daniel Park et al.
期刊/来源: American Journal of Epidemiology
机构: Vanderbilt University Medical Center · Brigham and Women's Hospital · Harvard University · United States Food and Drug Administration · Center for Drug Evaluation and Research · Harvard Pilgrim Health Care · RTI International
分类: vol 195 · issue 4 · pp 1120-1128
相关性 2/10 · novelty: application
摘要: 本研究评估利用互联网媒体资源（新闻、讣告等）补充电子健康记录（EHR）中死亡事实和日期的有效性，以美国两大医疗系统（Mass General Brigham 和 Vanderbilt）的 78,848 名已故患者为样本，将州级生命统计和国家死亡指数作为金标准。方法包括：使用预先训练的 NLP 模型从 810 万条互联网媒体记录中提取姓名、出生日期、死亡日期，并与 EHR 中的患者信息进行精确匹配（姓名+出生日期）。主要评价指标为灵敏度（死亡事件被互联网来源捕获的比例）和阳性预测值（PPV，互联网识别的死亡日期与金标准相差 ≤7 天的比例）。结果显示仅 38.8% 的患者能实现精确匹配，但这些匹配记录的 PPV 高达 98.2%–98.9%，且使用互联网来源后死亡捕获灵敏度较单用 EHR 提高 18%–24%。结论认为互联网来源可实质性地提高 EHR 中死亡事件的完整性和时效性。对您而言，本文是流行病学队列研究中结局变量补充的典型应用实例，展示了数据链接和验证的基本框架，但未涉及高级统计推断方法，适合作为流行病学数据质量的入门阅读。
关键技术: natural language processing, record linkage, sensitivity and positive predictive value, mortality ascertainment, validation study
为什么对您有用: 本文属于流行病学应用论文，直接对应您的 secondary interest 中的流行病学数据集和因果推断应用背景。作为入门读物，它清晰呈现了 EHR 数据死亡结局不完整的现实问题及外部数据验证的流程，无需复杂统计背景即可理解。您的武器库（因果推断、估计理论）足以评判其分析逻辑，但论文本身不提供新的统计方法或识别策略，因此短期不直接推动您的主线研究。如果未来涉及死亡时间缺失的敏感性分析或生存数据的因果推断，本文可作为背景参考，但整体价值有限，建议仅作快速浏览。

18. 10.1093/aje/kwaf250 — Implementing and retaining a large-scale technology-mediated cohort to study HIV incidence and PrEP uptake among vulnerable cisgender men as well as transgender individuals in the United States, the Together 5000 cohort¶

作者: Drew A Westmoreland, Meredith A Ray, Samia Sultana, Jacob Bleasdale, McKaylee Robertson, Chloe Mirzayi et al.
期刊/来源: American Journal of Epidemiology
机构: University of Florida Health · Council on Alcohol and Drugs (United States) · University of Florida Health Science Center · Florida College · University of Memphis · City University of New York · Institute for Family Health · Rutgers, The State University of New Jersey 等
分类: vol 195 · issue 4 · pp 1073-1089
相关性 1/10 · novelty: application
摘要: 该论文描述了美国大型技术介导的HIV预防队列（Together 5000）的实施、参与保留策略和应对损耗的方法。队列从地理社交网络应用招募5000名脆弱顺性别男性和跨性别个体，进行年度在线调查和家庭HIV检测，随访48个月。使用多变量调整逻辑回归分析社会人口学和行为特征与完成调查及返回检测套件的关联，并计算响应概率权重以校正样本损耗。结果显示，黑人参与者完成调查和检测的几率较低，队列共识别出569例HIV感染。该研究证明了通过互联网招募和保留大规模高危人群的可行性，但也暴露出不平等参与和损耗挑战。这是一项典型的流行病学应用，提供了真实世界的队列损耗数据和标准分析方法（加权逻辑回归），可直接与您的非参数统计和因果推断工具结合，用于改进选择偏差的估计。
关键技术: geospatial social networking application recruitment, home-based HIV/STI testing, multiple adjusted logistic regression, response probability weighting for attrition
为什么对您有用: 本文属于流行病学应用（您的次要兴趣），提供了大规模HIV预防队列的损耗分析和加权策略，可连接至您的因果推断兴趣中处理选择偏差的经验。从武器库看，可用非参数统计或因果推断的逆概率加权方法对其响应概率权重进行更灵活的建模（如核回归或高维协变量调整），这是您所熟悉的。中期可做：需先与流行病学家合作获取个体数据，但方法论改造上立即可动。

19. 10.1093/aje/kwaf240 — The effects of a smoking cessation intervention on mortality after a 32.5-year follow-up period: a randomized clinical trial¶

作者: Jeffrey Zhang, John Connett, Dylan Small
期刊/来源: American Journal of Epidemiology
机构: University of Chicago · University of Minnesota · University of Pennsylvania
分类: vol 195 · issue 4 · pp 975-979
相关性 1/10 · novelty: application
摘要: 本文基于Lung Health Study的32.5年随访数据，评估戒烟干预对全因及特定原因死亡率的影响。研究采用随机对照试验设计，将参与者分为特殊干预组（含支气管扩张剂或安慰剂）与常规护理组，通过Cox比例风险模型估计风险比。结果显示，干预组与常规护理组在全因死亡率上无显著差异（HR=1.05, 95% CI: 0.97-1.18），但干预对非肺癌呼吸疾病死亡有保护作用（HR=1.21, 95% CI: 1.04-1.42）。该分析使用了常规生存分析方法，未涉及复杂因果推断或敏感性分析。作为流行病学应用实例，本文展示了RCT长期随访的标准分析流程，对您理解流行病学数据结构和常见实践有一定帮助，但方法学新颖性有限。
关键技术: Randomized controlled trial, Cox proportional hazards model, Hazard ratio, Cause-specific mortality, Long-term follow-up
为什么对您有用: 作为流行病学应用，本文是RCT长期随访分析的典型实例，阅读它可快速了解该领域的基本分析框架（生存分析、Cox模型、竞争风险）。您的武器库中的非参数统计和估计理论可用于思考更灵活的估计（例如时变效应），但本文方法本身较为常规。该论文适合作为流行病学入门读物，但若您想深入流行病学因果推断（如工具变量、观测研究），此文帮助有限；整体而言，值得花少量时间浏览结果，但无需深入精读。

20. 10.1093/aje/kwaf241 — Screening of adolescents for testicular cancer-a nationwide retrospective cohort study¶

作者: Yair Zloof, Tomer Erlich, Maya Braun, Ruth Lev Bar-Or, Dotan Yaari, Emmanuel S Sirat et al.
期刊/来源: American Journal of Epidemiology
机构: Tel Aviv University · Schneider Children's Medical Center · Israel Defense Forces Medical Corps · Hebrew University of Jerusalem · Sheba Medical Center
分类: vol 195 · issue 4 · pp 1009-1014
相关性 0/10 · novelty: application
摘要: 本研究基于以色列300,793名16-21岁男性入伍前体检数据，开展全国性队列研究，评估青少年睾丸癌筛查的有效性。筛查方式为全科医生的视诊和触诊，异常者转诊超声和专科医生，随访至服役结束（约3年）。在1,172,603人-年随访期间，共发现43例睾丸癌（发病率3.67/10万人-年）。筛查灵敏度在6个月为66.7%，12个月降为40%；每检出1例癌症需筛查75,198名青少年、进行176次超声和112次专科会诊。无论是否接受筛查，大多数癌症确诊时均为I期。低灵敏度、高需筛人数、频繁不必要检查以及低发病率表明，对无症状青少年进行常规筛查效果不显著。该研究为卫生政策决策提供了大规模真实世界证据，但分析方法为传统队列流行病学（发病率、灵敏度、需筛人数），未涉及因果推断或高维统计工具，对您的流行病学应用兴趣可作为一个数据规模与设计思路的参考案例。
关键技术: cohort study, screening sensitivity, number needed to screen, incidence rate, positive predictive value
为什么对您有用: 本文属于流行病学应用方向的大规模队列研究，直接对应您的secondary interest中的'流行病学（应用、数据集）'。不过其统计方法较简单（主要为描述性流行病学指标），未使用因果推断、高维或半参数工具，因此对您的方法学启发有限。武器库中的'非参数统计'和'高维渐近'等核心工具在此处无用武之地；可作为了解大规模筛查评估设计思路的入门读物，但无需花费大量时间深读。

Maintained by 陈星宇 · Homepage · Source on GitHub