跳转至

AJE — Vol 195 Issue 9 · 2026-10-16

  • 共 13 篇 · American Journal of Epidemiology
  • 目录核对 ⚠️ 疑似漏 11 篇(对照 OpenAlex 28 篇):10.1093/aje/kwag094、10.1093/aje/kwag027、10.1093/aje/kwag093、10.1093/aje/kwag107、10.1093/aje/kwag061 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。

这一期以因果推断与观察性研究设计为主线,多数论文围绕“如何从非实验数据中提取可解释的因果效应”展开,方法工具集中在目标试验模拟、加权估计、竞争风险处理与敏感性分析。按主题可聚为三条主线:一是疫苗与治疗效应的时序检验(疫苗衰减检验、抗生素对哮喘急性发作的目标试验模拟);二是环境与政策暴露的效应评估(PM2.5搬迁自然实验、拥堵费区交通碰撞、街景绿地与痴呆);三是队列研究中的偏倚与可比性问题(父亲产后抑郁选择偏倚、仪器升级测量可比性、出生队列诈骗易感性趋势)。另有若干评论与回应类短文,方法学含量较低。

最突出的主线是因果识别与时间变化效应。疫苗衰减检验一文直接挑战经典方法对“个体水平效应恒定”的隐含假设,提出正式检验并给出更紧的衰减界,且仅需汇总数据即可计算,对现有临床试验证据的再分析具有直接操作价值。与之互补的是抗生素治疗哮喘急性发作的目标试验模拟,用IPW的log-binomial模型比较三种治疗策略,明确模拟了治疗启动窗口与诱导期,是目标试验框架在药物流行病学中的标准示范。两篇均处理“处理效应是否随时间或状态变化”的问题,但前者聚焦检验功效,后者侧重策略比较,可对照阅读。

第二条主线是利用自然实验或准实验设计评估环境与政策暴露。PM2.5搬迁研究利用个体内暴露变化消除时间不变混杂,虽未采用工具变量,但离散时间模型与效应修饰分析展示了纵向数据中因果参数估计的常规路径;街景绿地与痴呆研究则用加权Kaplan-Meier估计受控直接效应,显式处理死亡作为竞争风险,是竞争风险框架下因果估计的典型应用;拥堵费区评估则停留在中断时间序列与DID层面,方法深度有限但可作为政策评估的简化对照。这三篇共同点在于暴露为空间或政策变量,识别策略依赖时间或地理变异,但均未涉及更复杂的工具变量或断点设计。

与因果推断、半参数效率或高维方法最贴合的优先阅读篇目为:疫苗衰减检验(因果检验与界估计)、街景绿地与痴呆(竞争风险下的受控直接效应)、PM2.5搬迁研究(个体内对照与效应修饰)、以及抗生素目标试验模拟(IPW与策略比较)。若关注测量误差与偏倚量化,仪器可比性研究中的混合模型与Bland-Altman分析也值得一翻。其余队列描述性论文(如妊娠剧吐、诈骗易感性)方法学贡献有限,可作为应用背景参考。

因果推断 (causal_inference, 1 篇)

1. 10.1093/aje/kwag118 · arXiv — A simple and powerful test of vaccine waning

  • 作者: Gellért Perényi, Matias Janvin, Mats J Stensrud
  • 期刊/来源: American Journal of Epidemiology
  • 机构: University of Oslo · Diakonhjemmet Hospital · École Polytechnique Fédérale de Lausanne
  • 分类: vol 195 · issue 9 · pp 2469-2475
  • 相关性 8/10 · novelty: new_method
  • 摘要: 本文针对疫苗效力随时间衰减(waning)的检验问题,指出经典方法在解释为个体水平效应衰减时需要不合理的假设,而现有因果估计量虽可在较弱假设下给出界,但界通常过宽,无法判断是否存在衰减。作者提出一种正式的检验,用于评估个体水平上处理效应是否随时间恒定,该检验在可解释的疫苗试验假设下有效,且相比现有方法有显著的效力提升。检验统计量可通过三种方式计算,其中两种仅需现有临床试验可得的汇总数据。此外,文章还给出了衰减效应的新界。作者将该方法应用于BNT162b2 COVID-19疫苗的随机对照试验数据,先前分析未能确认衰减,而新检验拒绝了无衰减的原假设。对您而言,该工作将因果推断中的时间变化处理效应检验与流行病学疫苗评估结合,其检验构造思路可能对您的纵向因果推断研究有启发。
  • 关键技术: hypothesis testing for time-varying treatment effects, causal estimands for vaccine waning, bounds on waning effect, summary-data-based test statistics
  • 为什么对您有用: 该论文属于流行病学应用中的因果推断,直接关联您的secondary interest(流行病学应用因果推断)以及primary interest中的因果推断(纵向、时间变化效应)。您可用very_familiar的估计理论(如M估计、U统计量)来审视其检验统计量的渐近性质,或探索将其推广到更复杂的纵向设定。中期可做:需在semiparametric theory上进一步熟悉以处理更一般的估计方程。

流行病学 (epidemiology, 12 篇)

1. 10.1093/aje/kwag132 — Antibiotic treatment for non-specific upper respiratory tract infections and exacerbation risk in children with asthma: a target trial emulation study

  • 作者: Carmen Cañete Ramirez, Albina Tskhay, Ana C Blanchard, Amélie Forget, Marie-Élaine Métras, Tibor Schuster et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Centre Hospitalier Universitaire Sainte-Justine · Université de Montréal · McGill University
  • 分类: vol 195 · issue 9 · pp 2334-2346
  • 相关性 7/10 · novelty: application
  • 摘要: 本研究利用魁北克行政健康与药物索赔数据,在患有哮喘的儿童(0-17岁)中,针对非特异性上呼吸道感染(NS-URTI)后的抗生素使用,模拟了一系列目标试验(target trial emulation)。研究比较了三种治疗策略:不使用抗生素、使用窄谱或广谱抗生素(在就诊后3天内启动),主要结局为初始10天诱导期后6个月内的哮喘急性发作(定义为口服皮质类固醇使用、急诊就诊或住院)。采用逆概率加权(IPW)的log-binomial模型估计风险比(RR)和风险差(RD),共纳入13,646名儿童(24,139人-试验)。结果显示,与不使用抗生素相比,窄谱抗生素的RR为1.26(95%CI 0.99-1.53,RD 0.07%),广谱抗生素的RR为1.28(95%CI 1.03-1.54,RD 0.08%),表明广谱抗生素与略高的急性发作风险相关,但绝对风险差很小(<0.1%)。该研究是目标试验模拟在流行病学中的应用范例,其分析模式(IPW、log-binomial模型)对您处理观察性因果推断问题具有参考价值。
  • 关键技术: target trial emulation, inverse probability weighting, log-binomial model, administrative health data, causal inference
  • 为什么对您有用: 本文属于流行病学领域的应用因果推断工作,直接对应您的secondary interest中的流行病学方向。它展示了如何利用行政数据模拟随机试验,并处理时变混杂,这与您熟悉的因果推断方法(如IV、DML)形成互补。从技术武器库看,您对估计理论(very_familiar)和识别理论(moderately_familiar)的掌握足以理解其核心步骤,但该文未涉及高维或半参数效率理论,因此作为方法学参考价值有限。总体而言,这是一篇值得快速浏览的应用文章,但无需深入精读。

2. 10.1093/aje/kwag138 — Identifiability and model misspecification for modelling recurrent infections using routine health care data

  • 作者: Ada W C Yan, Jennifer A Flegg, Jeanne Rini Poespoprodjo, Nicholas M Douglas, Ric N Price, Angela Devine et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: La Trobe University · Imperial College London · RMIT University · The University of Melbourne · Universitas Gadjah Mada · Charles Darwin University · Menzies School of Health Research · Rumah Sakit Umum Daerah Kabupaten Mimika 等
  • 分类: vol 195 · issue 9 · pp 2458-2468
  • 相关性 6/10 · novelty: application
  • 摘要: 本文针对常规医疗数据中反复感染的时间间隔(time to recurrence)分析问题,指出患者失访机制不可观测导致标准参数生存分析和插补方法失效。作者提出用带显式失访机制的机制性传播模型(mechanistic transmission model)进行校准,以估计感染强度、失访率和治疗成功率等流行病学参数。通过模拟研究,他们刻画了模型结构和参数区域中估计的精度与准确性,并应用于印度尼西亚巴布亚的疟疾常规监测数据,估计了不同疟原虫种的感染强度、恶性疟的复燃率及治疗成功概率。该方法有望提升现有和未来常规数据在公共卫生研究中的价值。对您而言,本文展示了在复杂失访机制下进行因果参数识别的应用场景,与您对流行病学中因果推断的兴趣相关,但其方法学新颖性有限,主要是应用层面的贡献。
  • 关键技术: mechanistic transmission model, explicit dropout mechanism, simulation-based calibration, survival analysis, maximum likelihood estimation
  • 为什么对您有用: 本文属于流行病学应用,涉及常规数据中的失访和复发事件,与您的 secondary interest 中的流行病学应用相关。作为 gateway reading,本文对数据结构和模型假设的阐述较为清晰,但方法学上未引入新的统计理论。您的武器库(如生存分析、M估计)足以理解其方法,但无需深入跟进。可快速浏览以了解常规数据在传染病建模中的应用,但不必花大量时间精读。

3. 10.1093/aje/kwag135 — Depressive symptoms and neuroimaging markers of brain aging in an ethno-racially diverse sample: a Bayesian analysis

  • 作者: Tara E Jenson, Emma L Gause, Jingxuan Wang, Sarah F Ackley, Jennifer Manly, Evan Fletcher et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Boston University · University of California, San Francisco · Brown University · Columbia University · University of California, Davis · Kaiser Permanente · Kaiser Permanente Northern California
  • 分类: vol 195 · issue 9 · pp 2355-2363
  • 相关性 6/10 · novelty: application
  • 摘要: 本研究在种族/民族多样化的老年人样本(n=550,含亚洲、黑人、拉丁裔和白人)中,考察基线抑郁症状与后续MRI脑老化标志物(白质高信号体积WMH、灰质体积GMV)的关联。采用文献先验的贝叶斯分析,按种族/民族分层估计关联,以连续抑郁症状评分替代临床诊断以更全面捕捉抑郁体验。总体未发现抑郁症状与log(WMH)或GMV的关联,但分层分析显示黑人中抑郁症状与较大log(WMH)相关(0.21, 95% CrI: 0.002, 0.42),拉丁裔中与较小GMV相关(-2.92, 95% CrI: -4.31, -1.52),而亚洲人中出现意外的正向GMV关联(2.41, 95% CrI: 0.87, 3.95)。结论提示抑郁症状与脑老化标志物的关联存在种族/民族异质性,但需谨慎解释。对您而言,本文是流行病学中贝叶斯分层分析的实例,其先验设定和异质性检验思路可迁移至因果推断中的效应修饰分析。
  • 关键技术: Bayesian analysis with literature-informed priors, stratified analysis by race/ethnicity, continuous depressive symptom measure, MRI neuroimaging markers
  • 为什么对您有用: 本文属于流行病学应用,使用贝叶斯方法处理因果关联问题,与您的流行病学应用兴趣相关;其分层分析和先验设定可启发因果推断中的效应修饰研究,但方法学新颖性有限,主要价值在于数据集和分析流程。

4. 10.1093/aje/kwag133 — Postpartum depression in fathers: prevalence and evaluation of selection bias in the HOPE cohort

  • 作者: Clara Tosti Bæk, Trine Munk-Olsen, Merete Lund Mægbæk, Kathrine Bang Madsen, Sofie Egsgaard, Mette-Marie Zacher Kjeldsen
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Aarhus University · University of Southern Denmark · Region of Southern Denmark
  • 分类: vol 195 · issue 9 · pp 2450-2457
  • 相关性 6/10 · novelty: application
  • 摘要: 本研究基于丹麦 HOPE 队列(2015-2021,覆盖 67/98 个自治市),评估父亲产后抑郁(PPD)的患病率及选择偏倚。队列包含 46,174 次分娩和 42,680 名父亲,通过 EPDS 筛查和全国健康登记链接获取 PPD 诊断及社会人口学信息。作者比较了队列父亲与丹麦背景人群(444,339 次分娩)的特征,并用 logistic 回归估计 3 种围产期关联的相对比值比(ROR)以量化选择偏倚。结果显示父亲 PPD 筛查阳性率 3.29%,诊断率 2.69%,两者兼有 0.49%;队列父亲在多数特征上与背景人群相似,但非丹麦裔父亲明显代表性不足。ROR 无显著差异,提示所考察的围产期关联中选择偏倚很小。该研究为父亲 PPD 的流行病学研究提供了大规模、可链接登记数据的队列,并系统评估了其代表性,对您而言,其选择偏倚评估框架(基于 ROR 比较)可作为流行病学应用中处理非随机缺失的参考,与您的因果推断兴趣中的敏感性分析方向相呼应。
  • 关键技术: selection bias evaluation, relative odds ratio (ROR), logistic regression, registry linkage, cohort representativeness
  • 为什么对您有用: 本文属于流行病学应用,直接对应 secondary interest 中的流行病学队列研究。其核心方法——通过比较队列与背景人群的特征和 ROR 来评估选择偏倚——是观察性研究中常见的非随机缺失问题,与您的因果推断兴趣(敏感性分析)相关。作为 gateway reading,本文数据规模大、方法透明,适合作为流行病学数据应用的入门读物。武器库方面,您熟悉的 logistic 回归和因果推断概念足以理解本文,无需额外工具。值得花时间读全文,以了解实际队列中如何操作选择偏倚评估。

5. 10.1093/aje/kwag129 — Streetview greenspace types and dementia risk in older adults: the Multi-Ethnic Study of Atherosclerosis

  • 作者: Marcia Pescador Jimenez, Liliana Paloma Rojas-Saunero, Cameron J Reimer, Esra Suel, Pi-I Debby Lin, Perry Hystad et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Boston University · University of California, Los Angeles · University of Zurich · University College London · Harvard University · Harvard Pilgrim Health Care · Oregon State University · Rush University Medical Center 等
  • 分类: vol 195 · issue 9 · pp 2383-2390
  • 相关性 6/10 · novelty: application
  • 摘要: 本研究基于动脉粥样硬化多种族研究(MESA)队列,纳入6761名老年人,随访2000-2018年,旨在区分街道视角(streetview)下不同绿地类型(树木、草地、其他绿色植物)对痴呆风险的因果效应。作者使用深度学习算法处理街景图像,量化居住地500米范围内的绿地类型比例。为处理死亡作为竞争风险(censoring event)的问题,他们采用加权Kaplan-Meier生存估计器,结合暴露权重和死亡逆概率删失权重,估计绿地类型对痴呆风险的受控直接效应(controlled direct effect)。结果显示,高暴露于草地可使19年痴呆风险降低4.57个百分点(95% CI: -8.15, -0.40),而树木和其他绿色植物无显著关联。该研究展示了在纵向流行病学队列中结合深度学习和因果推断方法的实际应用,对您而言,其竞争风险框架和加权估计方法可迁移至您关注的纵向因果推断问题。
  • 关键技术: deep learning image segmentation, inverse probability of censoring weighting, weighted Kaplan-Meier estimator, controlled direct effect, competing risks
  • 为什么对您有用: 本文属于流行病学应用,使用因果推断方法(加权KM估计)处理死亡作为删失事件,与您的纵向因果推断和流行病学应用兴趣直接相关。您可运用非常熟悉的因果推断估计理论(如IPW)来审视其加权估计的稳健性,或考虑用半参数效率理论改进其估计效率。该文作为流行病学应用,数据和分析流程具有参考价值,但方法学新颖性有限,属于应用型论文。

6. 10.1093/aje/kwag137 — A measurement comparability study to support instrument harmonization in the Canadian Longitudinal Study on Aging

  • 作者: Talha Rafiq, Lauren E Griffith, Parminder Raina, Christina Wolfson, Susan A Kirkland, Cynthia Balion et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: McMaster University · McGill University · Dalhousie University · Western University · Population Health Research Institute · Hamilton Health Sciences · University of Calgary · Eindhoven University of Technology
  • 分类: vol 195 · issue 9 · pp 2391-2398
  • 相关性 5/10 · novelty: application
  • 摘要: 本文针对加拿大老龄化纵向研究(CLSA)中因测量仪器升级可能导致的跨时间数据可比性问题,开展了一项测量可比性研究。研究纳入50名≥45岁参与者,使用新旧两套仪器(血压计、心电图、颈动脉超声、肺功能仪、听力计、眼压计和测力计)进行重复测量。采用线性混合效应模型识别系统差异,用Cohen's d评估标准化均差,Bland-Altman图评估一致性,并评估仪器内重复性。结果显示除收缩压(SBP)外,多数仪器无临床意义的系统差异;新仪器测得的SBP平均高出5.19 mmHg(95% CI 2.64-7.74)。Cohen's d显示部分指标存在中等系统差异,重复性总体良好,但某些心电图和眼压计参数精度中等或较差。研究支持使用转换方程校正仪器间系统差异,尤其对SBP,而对中等差异指标是否校正尚不明确。对您而言,这是一篇流行病学队列研究中仪器协调(harmonization)的应用实例,展示了混合效应模型和Bland-Altman方法在测量误差评估中的实际应用,可作为应用类参考。
  • 关键技术: linear mixed-effects models, Cohen's d, Bland-Altman plots, repeatability assessment, conversion equations
  • 为什么对您有用: 本文属于流行病学应用,涉及纵向队列中的测量误差和仪器可比性,与您的流行病学应用兴趣相关。作为应用论文,方法学新颖性有限,但展示了混合效应模型和一致性评估的常规流程。从问题发现角度,您可用非常熟悉的非参数统计和因果推断工具来审视其转换方程的识别假设(如测量误差模型),但核心方法并非您的主攻方向,因此属于可读但非必须精读的范畴。

7. 10.1093/aje/kwag130 — Changes in PM2.5 exposure due to residential relocation and mortality among United States Veterans

  • 作者: Andrea R Titus, Tarik Benmarhnia, Rania Kanchi, Byoungjun Kim, Rosana Aguilera, Jay Pendse et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: New York University · Scripps Institution of Oceanography · Inserm · École des Hautes Études en Santé Publique · University of California San Diego · Institut de Recherche en Santé, Environnement et Travail · Université de Rennes · VA NY Harbor Healthcare System
  • 分类: vol 195 · issue 9 · pp 2347-2354
  • 相关性 5/10 · novelty: application
  • 摘要: 本文利用美国退伍军人健康管理局(VA)2011-2017年间跨ZIP code搬迁的762,905名退伍军人队列,通过个体内PM2.5暴露变化(搬迁前后)来估计空气污染对死亡率的影响。采用离散时间模型(discrete-time models)估计搬迁导致的PM2.5变化与搬迁后死亡风险的关联,并控制个体和区域层面的混杂因素。主要结果为PM2.5每增加2 μg/m3,5年随访期内合并比值比(OR)为1.03(95% CI = 1.01-1.03),且在老年人中效应更明显(评估加性效应修饰)。该研究利用搬迁作为自然实验,减少了个体不变混杂的干扰,但未采用工具变量或断点回归等因果推断方法,仍可能受时变混杂影响。对您而言,这是一篇流行病学应用论文,展示了纵向队列中暴露变化与健康结局关联的分析模式,但方法学新颖性有限。
  • 关键技术: discrete-time models, residential relocation as natural experiment, intraindividual exposure change, effect-measure modification
  • 为什么对您有用: 本文属于流行病学应用研究,使用纵向队列和个体内暴露变化设计,与您的secondary interest(流行病学应用因果工作)相关。作为gateway reading,本文数据规模大(VA系统),但方法学上未采用高级因果推断(如IV或DML),武器库足以理解。是否值得读全文取决于您对VA数据或空气污染流行病学的兴趣,方法学迁移价值有限。

8. 10.1093/aje/kwag090 — Road traffic crashes after implementation of the Congestion Relief Zone in New York City

  • 作者: Nicole G Itzkowitz, Leah Roberts, Guohua Li, Andrew G Rundle, Joyce C Pressley, Kathryn G Burford et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Columbia University · Columbia University Irving Medical Center · Yale University · Monash University
  • 分类: vol 195 · issue 9 · pp 2487-2490
  • 相关性 5/10 · novelty: application
  • 摘要: 本文评估纽约市拥堵缓解区(CRZ)实施后道路交通碰撞的变化,采用准实验设计比较实施前后及区内外的碰撞率。研究利用行政数据,通过中断时间序列或差异中的差异方法估计CRZ对碰撞频率和严重程度的影响。初步结果显示CRZ与碰撞减少相关,但需控制季节性、长期趋势和空间溢出效应。方法上依赖可观测混杂调整,未涉及工具变量或敏感性分析。对您而言,这是一篇流行病学应用论文,展示了城市政策评估中因果推断的简化应用,但方法学深度有限。
  • 关键技术: difference-in-differences, interrupted time series, administrative data analysis
  • 为什么对您有用: 本文属于流行病学应用,涉及因果推断(政策评估),但方法较为基础。作为入门读物,它展示了真实数据下准实验设计的应用,但武器库(如DID、ITS)已足够理解,无需新方法。值得快速浏览以了解流行病学数据结构和政策评估的常见做法,但非深度阅读首选。
  • 作者: Lei Yu, Lianlian Du, Tianhao Wang, Gary Mottola, Christopher C Stewart, Peter A Lichtenberg et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Rush University Medical Center · FINRA Investor Education Foundation · Indiana University School of Medicine · Wayne State University
  • 分类: vol 195 · issue 9 · pp 2327-2333
  • 相关性 4/10 · novelty: application
  • 摘要: 本研究利用美国社区无痴呆老年人的流行病学队列数据,考察了1925-1944年间四个出生队列对诈骗易感性的时间趋势。通过年龄和教育标准化的5项诈骗易感性评分,比较了各队列的均值,发现从最早到最近的出生队列,诈骗易感性得分单调下降,且结果对年龄分布、分析方法和认知障碍状态稳健。研究结论认为,诈骗易感性不仅受个体因素影响,也反映共享的生活经历,并可能在人群层面通过干预得到改善。该研究为流行病学中队列趋势分析提供了一个简洁的标准化比较范例,但其方法学贡献有限,主要价值在于应用层面。
  • 关键技术: birth cohort analysis, age- and education-standardized means, trend analysis, epidemiologic cohort study
  • 为什么对您有用: 本文属于流行病学应用,符合您的次要兴趣。作为入门读物,它清晰展示了队列趋势分析的标准流程,但方法学新颖性较低。您的武器库(如非参数统计、因果推断)足以理解并批判其标准化方法,但无需深入阅读全文,除非您对诈骗易感性的流行病学背景感兴趣。

10. 10.1093/aje/kwag134 — Hyperemesis gravidarum and adverse pregnancy outcomes: a population-based cohort study of 2.5 million births in California

  • 作者: Rebecca M Gardner, Jonathan A Mayo, Virginia D Winn, Gary M Shaw, Julia F Simard
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Stanford University · March of Dimes · Stanford Medicine
  • 分类: vol 195 · issue 9 · pp 2373-2382
  • 相关性 4/10 · novelty: application
  • 摘要: 这是一项基于美国加州2007-2011年250万单胎活产人群的队列研究,目标是估计妊娠剧吐(HG)与多种不良妊娠结局(APOs)之间的关联。HG定义为产前住院或急诊记录中的主要诊断代码,共识别53,681例(2.2%)。研究采用Poisson回归估计调整相对风险(aRR),控制了 maternal age、race/ethnicity、education、insurance 等混杂因素。结果显示HG与子痫前期(aRR 1.18)、妊娠期高血压(1.15)、早产(1.25)、小于胎龄儿(1.19)、胎盘早剥(1.14)和贫血(1.37)风险升高相关。亚组分析发现,HG首次住院发生在孕中期的女性风险更高(如子痫前期aRR 1.41)。该研究是少数美国人群为基础的HG研究,且首次在如此大规模样本中系统调整混杂并考察多个结局。对您而言,这是一篇典型的流行病学应用论文,其价值在于大规模行政数据(诊断代码定义暴露)的因果关联分析模式,可作为流行病学队列研究中暴露测量误差和混杂调整的讨论素材。
  • 关键技术: Poisson regression, adjusted relative risk, administrative claims data, diagnosis code-based exposure definition, subgroup analysis
  • 为什么对您有用: (1) 属于流行病学应用论文,直接对应 secondary interest 中的 epidemiology 子方向,展示了大规模出生队列中基于诊断代码定义暴露的因果关联分析范式;(2) 本文的暴露测量(诊断代码)存在经典 misclassification 问题,可以用您 very_familiar 的 measurement error / inverse problems 视角审视其偏倚方向,或用 moderately_familiar 的 identification theory 讨论其因果解释的局限;(3) 立即可做:作为流行病学应用论文,无需新方法即可理解,适合作为该领域的背景阅读;中期可做:若想深入,可在 causal inference 的 mediation 框架下思考 HG→营养不足→APOs 的机制路径,这需要 moderately_familiar 的因果推断识别理论。

11. 10.1093/aje/kwag149 — Re: Advancing observational research on arts and health: theory-informed approaches using the RADIANCE framework

  • 作者: Julia Peters, Colleen A Reynolds, Joost Oude Groeniger
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Erasmus MC
  • 分类: vol 195 · issue 9 · pp 2496-2497
  • 相关性 2/10 · novelty: application
  • 摘要: 这是一篇针对艺术与健康观察性研究的评论文章,回应了RADIANCE框架的提出。作者强调在观察性研究中,理论驱动的因果推断方法(如目标试验模拟、负对照、敏感性分析)对于减少混杂偏倚至关重要。文章指出,艺术参与与健康结局的关系常受选择偏倚和未测量混杂影响,需借助因果图明确识别假设。评论呼吁将RADIANCE框架与更严格的因果推断工具结合,以提升证据等级。本文属于观点性评论,无新方法或实证分析,但为流行病学中艺术健康领域的研究设计提供了方法论指引。对您而言,可作为流行病学应用场景中因果推断方法(如敏感性分析、负对照)的入门讨论,但方法学贡献有限。
  • 关键技术: target trial emulation, negative controls, sensitivity analysis, causal diagrams
  • 为什么对您有用: 本文属于流行病学应用领域的评论文章,可作为gateway reading了解艺术健康研究中的因果推断挑战。武器库中的identification theory和敏感性分析工具足以理解其论点,但无新方法可攻。作为入门读物尚可,但深度有限,不值得优先精读。

12. 10.1093/aje/kwag156 — Clasen et al. respond to “Thyroid autoimmunity in the TEDDY cohort: is HLA 8.1 haplotype the hidden driver?”

  • 作者: Joanna L Clasen, Hemang M Parikh, William A Hagopian
  • 期刊/来源: American Journal of Epidemiology
  • 机构: University of South Florida · Indiana University Indianapolis · Indiana University School of Medicine
  • 分类: vol 195 · issue 9 · pp 2502-2503
  • 相关性 1/10 · novelty: application
  • 摘要: 本文是作者对读者来信的回应,针对TEDDY队列中甲状腺自身免疫与HLA 8.1单倍型关联的质疑。作者重申了原始研究的发现,并讨论了遗传混杂和人群分层等潜在偏倚。回应中强调了队列设计、基因分型方法和统计调整在观察性研究中的重要性。作者指出,尽管HLA 8.1可能解释部分关联,但其他遗传和环境因素仍需考虑。本文属于学术交流性质,无新方法学贡献,但提供了对流行病学研究中遗传关联解读的实践视角。对您而言,可作为流行病学队列研究中因果推断和混杂控制的案例参考。
  • 关键技术: genetic association study, confounding control, cohort study design
  • 为什么对您有用: 本文属于流行病学应用领域,涉及队列研究中的遗传关联和混杂控制,与您的流行病学应用兴趣相关。作为回应性短文,方法学深度有限,但可作为理解遗传流行病学中因果推断挑战的入门材料。武器库中的因果推断和识别理论足以支撑您批判性阅读,但本文无直接可迁移的方法。属于gateway reading,值得快速浏览以了解领域讨论,但不必深入。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论