AJE — Vol 195 Issue 6 · 2026-06-24¶

共 8 篇 · American Journal of Epidemiology
目录核对 ⚠️ 疑似漏 25 篇（对照 OpenAlex 33 篇）：10.1093/aje/kwaf065、10.1093/aje/kwaf284、10.1093/aje/kwag019、10.1093/aje/kwaf135、10.1093/aje/kwag037 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AJE Vol 195 Issue 6的8篇论文主要围绕三条主线：因果推断中的偏差分析与去偏估计、健康不平等与干预效应的标准化/分解方法、以及效应修饰与暴露‑反应关系。第一条主线集中了四篇文章：一篇教程直接涉及靶向学习（TMLE）和高效影响函数（EIF）的构建，另一篇研究测试阴性设计（TND）中因居家检测导致的就医偏倚（通过DAG和模拟量化偏倚方向与幅度），一篇探讨产前暴露研究中怀孕识别方法引发的选择偏倚（比较不同失访机制下的标准化估计），还有一篇结合RT‑qPCR与血清学提升累积感染率检测敏感性（虽非因果，但涉及测量偏倚的校正）。第二条主线包括两篇：一篇采用G‑computation标准化模拟评估假设性干预对健康不平等的影响（分解暴露分布差异与效应异质性），一篇用Arriaga生命表分解法将黑人预期寿命上升分解为年龄/死因及出生地子群体贡献。第三条主线是一篇空气污染研究，通过交互项或分层Cox模型检验野火事件是否放大PM2.5的长期死亡效应，属于效应修饰的实证应用。其余两篇为标准生存分析（体重循环与癌症风险）和队列描述（预期寿命分解），方法上未引入新工具。

最突出的是第一条主线：它同时涵盖了去偏估计的理论工具（TMLE教程从EIF出发构造双稳健估计量，强调交叉拟合）和两种常见的流行病学偏倚结构（TND的以为就医选择、产前暴露的以可观测结局识别怀孕）。这三篇形成互补：TMLE提供纠正偏差的算法，而后两者则刻画偏差的来源与幅度，帮助研究者判断是否需要去偏。第二条主线则展示了因果推断中标准化/分解方法如何应用于健康不平等评估：一篇显式模拟干预对结局分布的影响（G‑computation），另一篇通过生命表分解揭示移民对种族预期寿命的混淆效应。值得注意的是，TMLE教程和标准化模拟论文都基于影响函数或G‑computation，直接关联半参数因果推断中的效率和双稳健性。

与因果推断/半参数效率方向最贴近的论文是：TMLE教程（EIF与交叉拟合）、标准化模拟（G‑computation的基础思想），以及两篇偏倚量化研究（TND偏倚、怀孕识别偏倚）——它们都涉及因果效应估计中的识别与偏差分析，适合优先阅读。

效率理论 / Debiased ML (efficiency_dml, 1 篇)¶

1. 10.1093/aje/kwaf261 · arXiv — Constructing targeted minimum loss/maximum likelihood estimators: a simple illustration to build intuition¶

作者: Rachael K Ross, Lina M Montoya, Dana E Goin, Iván Díaz, Audrey Renson
期刊/来源: American Journal of Epidemiology
分类: vol 195 · issue 6 · pp 1818-1821
相关性 9/10 · novelty: survey
摘要: 本文以简单示例阐释如何从高效影响函数(EIF)构造靶向最小损失/最大似然(TMLE)估计量，面向应用流行病学研究者。核心步骤包括推导目标参数（如平均处理效应）的EIF，并利用EIF作为“修正”项将机器学习估计的偏差一步调整至可推断，同时采用交叉拟合避免过拟合。教程清晰展示EIF如何赋予双稳健估计量正确的置信区间覆盖。该文是Renson等(EIF推导教程)的配套指南，侧重实际构建而非数学推导。对您而言，本教程是理解debiased ML在因果推断中操作流程的极快入口，尤其适用于流行病学数据分析场景。您熟悉的因果推断估计理论可轻松迁移至这些示例，并用于教学或复现。
关键技术: Targeted Minimum Loss Estimation (TMLE), Efficient Influence Function (EIF), Cross-fitting, Double Robustness, Confidence Interval Construction
为什么对您有用: 本文直接与您在效率理论（debiased ML）和流行病学因果推断的应用兴趣相连。您可以用very_familiar中的因果推断估计理论工具快速消化其示例，且该教程可用于教学或复现TMLE流程。立即可做：无需额外工具，可直接阅读并练习实现。

流行病学 (epidemiology, 7 篇)¶

1. 10.1093/aje/kwaf279 — Estimating effects of hypothetical public health interventions on health disparities: a standardization-based simulation approach¶

作者: Xi Wang, Toshiaki Komura, Yuki Arakawa, Ruijia Chen, Atsushi Nakagomi, Andrew Steptoe et al.
期刊/来源: American Journal of Epidemiology
机构: Johns Hopkins University · Harvard University · Yokohama City University · Boston University · Chiba University · Teikyo University Chiba Medical Center · University College London
分类: vol 195 · issue 6 · pp 1585-1595
相关性 7/10 · novelty: application
摘要: 该论文在流行病学队列研究中提出一种基于标准化的模拟方法，用于评估假设性公共卫生干预对健康不平等的潜在影响。研究利用美国健康与退休研究（HRS）和英国老龄化纵向研究（ELSA）数据，以认知功能为结局，社会隔离和孤独感为暴露。方法显式考虑两种机制：不同社会群体间的暴露分布差异和暴露效应的异质性。通过G-computation标准化思想，模拟在不同干预策略下（如减少社会隔离），认知功能不平等的改变。结果显示，减少社会隔离能缩小按收入、教育、种族分层的认知差异，且针对性干预比均匀干预更有效。该方法连接了因果推断中的标准化估计与健康不平等研究，对流行病学应用中的因果效应分解有直接参考价值。
关键技术: Standardization (G-computation), Simulation-based intervention, Effect heterogeneity, Health disparities decomposition, Cohort studies (HRS, ELSA)
为什么对您有用: 本文属于流行病学应用，直接使用标准化模拟方法评估健康不平等，与您的secondary interest in epidemiology（应用因果推断）高度匹配。您可以通过identification theory in causal inference（technical_arsenal中moderately_familiar的一项）深入检查其识别假设（如无混杂、一致性）的合理性，或利用您的软件发展能力将该模拟框架封装为R包以扩展应用。整体方法学简单，无高级统计理论，属于立即可做的范围，适合快速阅读以获取数据分析思路。

2. 10.1093/aje/kwag021 — Magnitude of potential biases in COVID-19 vaccine effectiveness studies due to differential health care seeking following home testing: implications for test-negative design studies¶

作者: Saba A Qasmieh, Jill M Ferdinands, Jessie R Chung, Ryan E Wiegand, Brendan Flannery, Madhura S Rane et al.
期刊/来源: American Journal of Epidemiology
机构: The Graduate Center, CUNY · CUNY School of Law · Centers for Disease Control and Prevention
分类: vol 195 · issue 6 · pp 1801-1806
相关性 6/10 · novelty: application
摘要: 本文聚焦于COVID-19疫苗有效性（VE）的测试阴性设计（TND）研究中，因居家快速抗原检测（RDT）导致的就医行为差异所引起的选择偏倚。作者先构建有向无环图（DAG）阐明疫苗接种、COVID-19样疾病、RDT使用及其结果、就医选择之间的因果结构，然后设定决策树模型对不同情景下的偏倚幅度进行数值模拟。模拟结果显示，若已接种者更倾向于在自我检测阳性后就医，而未接种者更倾向于阴性后就医，则观察到的VE估计会被高估（正偏倚）。论文给出了不同参数设定下偏倚的具体数值范围，并指出在RDT广泛可用时，标准的TND假设（就医行为独立于感染状态）可能被违反。该研究为流行病学工作者提供了偏倚方向和大小的直观认识，但未提出新的统计估计或敏感分析方法。对您而言，本文可作为了解TND设计在实际偏倚来源（如监测行为确认机制）中的应用案例，但方法学上较简单，不涉及高维或半参数效率理论，仅适合作为因果推断应用方向的背景阅读。
关键技术: test-negative design, directed acyclic graph (DAG), decision tree simulation, selection bias, health care seeking behavior
为什么对您有用: 本文属于流行病学中TND设计的偏倚定量分析，直接连接到您的secondary interest（epidemiology）中的因果推断应用。由于您对identification和sensitivity analysis熟悉，可用very_familiar中的因果关系图知识和最小极大界思路来验证其模拟结果的稳健性（例如推导偏倚的解析表达式而非仅数值模拟）。不过本文无真实数据且方法简单，属于暂不可做的范畴——核心问题（偏倚表达式）已由作者通过模拟回答，无需您额外动手，可作为了解TND实践困惑的快速阅读材料。

3. 10.1093/aje/kwaf260 — Pregnancy identification method as a source of bias in studies of prenatal exposures using real-world data¶

作者: Chase D Latour, Jessie K Edwards, Michele Jonsson Funk, Elizabeth A Suarez, Kim Boggess, Mollie E Wood
期刊/来源: American Journal of Epidemiology
机构: University of North Carolina at Chapel Hill · Rutgers, The State University of New Jersey
分类: vol 195 · issue 6 · pp 1677-1688
相关性 6/10
摘要: 该论文针对产前暴露研究中怀孕识别方法导致的偏倚问题展开。通过观察到的妊娠结局（如分娩）识别怀孕会遗漏有产前护理但结局未记录的对象，从而引发选择偏倚。作者模拟了1000万次怀孕，改变治疗对流产和子痫前期的效应、失访比例（5%或20%）以及失访原因（可测量协变量驱动的、未观测流产驱动的或两者兼有）。采用非参数直接标准化估计处理对子痫前期的风险差和风险比。结果表明，当失访由流产驱动时，无论使用哪种样本（仅观察分娩、观察分娩和流产、或所有怀孕）估计均有偏；只有当失访由可测量协变量驱动时，包含所有怀孕的样本才得到无偏估计。本文说明，即使包含所有怀孕也无法自动消除偏倚，但可量化选择偏倚的程度，为评估偏倚影响提供直接工具。对您而言，这是流行病学中偏倚来源的案例研究，可与您关心的因果推断估计理论中的选择偏倚问题相连接。
关键技术: simulation study, nonparametric direct standardization, selection bias, loss to follow-up (LTFU), risk ratio, risk difference
为什么对您有用: 本文属于流行病学应用方向，直接对应您的secondary interest——流行病学中的因果推断实际数据集。其概念框架（通过结果识别怀孕 vs. 通过暴露识别怀孕）是您在identification theory in causal inference中熟悉的偏倚机制，可借助已有的nonparametric statistics和estimation theory理解。作为gateway reading：本文入门友好，模拟设计清晰，适合作为流行病学中选择偏倚的案例分析；但核心的模拟设定和敏感性分析逻辑是领域特定知识，您当前的武器库（尤其identification theory）可以消化其概念，但若要模仿类似框架做新问题，需额外积累流行病学中的失访建模知识。因此，该论文值得通读全文以吸收偏倚机制，但短期内不宜直接复现。

4. 10.1093/aje/kwaf278 — Long-term impact of fine particulate matter on mortality is exacerbated when wildfire events occur¶

作者: Federica Spoto, Francesca Dominici, Tarik Benmarhnia, Danielle Braun, Joan A Casey
期刊/来源: American Journal of Epidemiology
机构: Harvard University · Scripps Institution of Oceanography · Inserm · University of California San Diego · Institut de Recherche en Santé, Environnement et Travail · Dana-Farber Cancer Institute · Washington State Department of Health · University of Washington
分类: vol 195 · issue 6 · pp 1782-1785
相关性 4/10 · novelty: application
摘要: 该研究基于队列或回顾性数据，估计细颗粒物(PM2.5)长期暴露对全因死亡率的影响，并检验该效应是否在野火事件发生的期间或之后显著放大。采用交互项或分层Cox比例风险模型，调整个体和区域层面混杂，估计暴露-反应关系。核心发现是：当野火事件发生时，PM2.5每单位增加的死亡风险比会显著高于无野火时期，表明灾害天气可能通过增强毒性或协同暴露机制加剧空气污染的健康损害。结果对气候-健康交互政策有明确启示。对您的价值：这是一篇流行病学因果推断的应用案例，涉及效应修饰（effect modification）的统计检验与解释，可作为空气健康交叉领域的入门阅读。
关键技术: Cox proportional hazards model, effect modification analysis, interaction term, confounding adjustment, dose-response estimation
为什么对您有用: （1）直接连接流行病学二级兴趣中的“空气污染与人群健康因果分析”，展示如何用观察数据检验环境交互效应。（2）武器库中“estimation theory in causal inference”可用来审视其交互项的因果识别假设（如是否受未测量混杂影响），而“identification theory in causal inference”可帮助评估效应修饰的counterfactual定义是否合理。（3）立即可做：作为流行病学应用范文通读，无需额外工具；若希望深入交互效应的半参数识别，则需熟悉“moderately_familiar”中的semiparametric theory，属于中期可做。

5. 10.1093/aje/kwaf191 — Weight cycling and cancer risk in the Sister Study¶

作者: Victoria L Stevens, Jessica Priest, Jesse Wilkerson, Aimee A D’Aloisio, Dale P Sandler
期刊/来源: American Journal of Epidemiology
机构: Durham County Department of Public Health · National Institute of Environmental Health Sciences
分类: vol 195 · issue 6 · pp 1786-1795
相关性 4/10 · novelty: application
摘要: 本研究利用 Sister Study 队列（45,004 名女性，随访至 2020 年）评估体重循环（反复有意减重后反弹≥20磅）与癌症发病风险的关联。暴露定义为基线自报的体重循环次数，结局包括全部癌症及五种特定癌症（乳腺、子宫内膜、卵巢、结直肠、肾）。使用多变量调整的 Cox 比例风险模型估计风险比和 95% CI。核心方法是标准的流行病学生存分析，调整了年龄、体重等多种协变量。结果显示调整体重后，体重循环不增加癌症风险，且与全部癌症和乳腺癌风险呈负相关（≥6次 HR=0.89 和 0.82），该负相关在肥胖和绝经后女性中尤为明显。该论文未引入新统计方法，但提供了大型队列中体重循环与癌症关联的实证证据。对您有用：可作为理解流行病学队列分析流程的入门材料，其暴露定义和结果解释中的因果识别问题（如时变暴露、测量误差）可激发因果推断方法的改进。
关键技术: Cox proportional hazards model, multivariable adjustment, weight cycling definition, cancer incidence analysis
为什么对您有用: 本文是流行病学队列研究的典型范例，适合作为了解该领域分析模式的入门读物（暴露定义、Cox 回归、多重癌症结局）。研究者武器库中的因果推断理论（时变暴露、测量误差、sensitivity analysis）足以支撑批判性评估其识别策略，甚至提出更严谨的因果框架（如 g-methods 或工具变量）。总体值得花时间读全文：体重循环的因果效应仍是开放问题，本文提供了具体结果和数据集线索，可激发进一步方法学改进。

6. 10.1093/aje/kwaf273 — Rising Black life expectancy in an era of increased immigration¶

作者: Arun S Hendi, Veronica Clevenstine
期刊/来源: American Journal of Epidemiology
机构: Princeton University
分类: vol 195 · issue 6 · pp 1537-1545
相关性 3/10 · novelty: application
摘要: 研究美国黑人预期寿命在移民大幅增加背景下的真实变化。利用生命表分解方法（Arriaga法），将1994-2019年间黑人预期寿命的上升分解为年龄别和死因别贡献，并按出生地（本土出生vs外国出生）子群体分解。发现移民直接贡献了黑人预期寿命改善的近15%，2019年移民使黑人男性预期寿命增加1.5年、女性增加1.0年。工作年龄段移民使死亡率降低15%，预计未来几十年可使总体黑人死亡率降低30%。COVID-19期间本土出生黑人预期寿命下降3年，而外国出生黑人下降7年，表明移民效应掩盖了本土群体的实际困境。结论：黑人预期寿命上升的故事部分被移民夸大，种族进步的真实程度需调整移民构成。对您有用：展示了标准人口学分解方法在流行病学中的应用，其分解逻辑与因果中介的“总效应=直接+间接”结构相通，可迁移至其他分群健康差异研究。
关键技术: life expectancy decomposition, Arriaga method, subgroup decomposition by nativity, counterfactual life expectancy calculation
为什么对您有用: 本文属于流行病学应用方向（secondary interest），使用经典的人口学分解方法（Arriaga方法）量化移民对总体生命期望的贡献。研究者武器库中的'nonparametric statistics'和'estimation theory in causal inference'不直接适用，但分解方法本身可视为一种非参数标准化/反事实估计——将总体均值分解为亚组均值和构成效应的加法分解，与causal mediation的'总效应=直接+间接'结构相似（需要先理解标准人口学方法）。中期可做：若想将此类分解推广至因果框架（例如考虑移民自选择偏差），需先掌握moderately_familiar中的'identification theory in causal inference'来构建有向无环图下的敏感性分析。本文作为流行病学应用论文，适合作为入门读物了解人口学分解的逻辑和局限，但不包含新统计方法贡献。

7. 10.1093/aje/kwaf271 — Optimizing the sensitivity of detection of respiratory syncytial virus infections in longitudinal studies using the combination of weekly sample testing and biannual serology¶

作者: Shannon C Conrey, Daniel C Payne, Maria Deza Leon, Monica Epperson, Melissa M Coughlin, Allison R Burrell et al.
期刊/来源: American Journal of Epidemiology
机构: Case Western Reserve University · University of Cincinnati · University of Cincinnati Medical Center · Cincinnati Children's Hospital Medical Center · Children's Mercy Hospital · Centers for Disease Control and Prevention · National Center for Immunization and Respiratory Diseases · Cherokee Nation 等
分类: vol 195 · issue 6 · pp 1605-1614
相关性 3/10 · novelty: application
摘要: 本文针对纵向队列研究中由于样本采集依从性不完全导致的疾病负担低估问题，提出将每周鼻拭子RT-qPCR检测与半年血清学检测（RSV pre-fusion F IgG和IgA抗体）相结合的策略。研究基于245对母婴的出生队列（随访至18-24月龄），首先以每周样本依从性≥90%的53名参与者为子集，使用混合效应分类回归树（CART）确定与RT-qPCR阳性结果一致的血清学抗体阈值（log10 IgG变化>0.32或IgA变化>0.20）。然后将该阈值应用于依从性≥70%或有18-24月龄血清的参与者（n=194）进行感染判别。结果显示，与仅用RT-qPCR相比，结合血清学后RSV累计感染率从49%提升至75%（P<0.001），感染率从0.33增至0.71次/儿童年（P<0.001），且与高依从性子集估计的感染率无显著差异。方法学上属于应用性工作，所用CART和混合效应模型均为标准工具，未引入新统计理论或推断方法。对您而言，本文可作为流行病学纵向数据收集与分析模式的入门案例，尤其涉及多重测量来源结合以改善结局检测的问题。
关键技术: classification and regression trees (CART), RT-qPCR, serology (IgG/IgA), mixed effects models, longitudinal cohort study
为什么对您有用: 本文属于流行病学应用研究，直接对应您二级兴趣中的“epidemiology (datasets, applied causal work)”方向，可作为真实纵向数据的分析流程参考。您对非参数统计（CART）已非常熟悉，可快速评估其阈值选择方法的稳健性。但论文方法学创新有限，未涉及因果推断或高维工具；若您想了解流行病学中测量误差问题的实证处理，值得泛读；若时间有限，可仅关注其数据结构和研究设计部分。建议归类为“暂不可做”——核心问题不在您主要武器库中，但可作为拓宽应用视野的读物。

Maintained by 陈星宇 · Homepage · Source on GitHub