跳转至

AJE · 2026-10-16

  • 共 24 篇 · American Journal of Epidemiology

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《美国流行病学杂志》24 篇论文可归为三条主线:因果推断方法在纵向观察数据中的扩展与应用(约 7 篇)、流行病学测量误差与分类偏倚的量化与校正(约 5 篇)、以及基于大规模队列或地理空间数据的暴露-健康关联评估(约 8 篇)。其余为方法学评论、研究规范讨论及纪念性文章,不涉及新方法。

因果推断主线最为集中,且多围绕纵向设定中的识别与估计问题展开。Doubly robust methods for recurrent event outcomes 将双重稳健估计推广至复发事件结局,同时处理时变治疗、时变混杂与半竞争风险;Estimate Optimal Dynamic Treatment Regimes with Partial Compatibility 针对动态治疗策略中严格 regime compatibility 假设过强的问题,提出广义兼容性加权与 bootstrap 兼容性窗口两种自适应框架,在有限样本中借邻近轨迹信息以稳定权重。Structural limitations of Early–Late treatment comparisons 则通过模拟揭示克隆-删失-加权框架下早期-晚期治疗比较的估计量可能随窗口定义系统变化甚至方向反转,提示该类分析的解释需谨慎。Mendelian randomization 相关两篇分别处理选择偏倚(Assessing and adjusting for selection bias in MR)与估计参数解释(Questions asked and, maybe, answered with MR),后者明确区分基因型工具变量所识别的 LATE 与一般 ATE 的差异。A Law of Iterated Expectation Primer 以教学形式梳理 g-formula 的 NICE 与 ICE 两种非参数等价形式,为上述方法提供基础性补充。

测量与分类偏倚主线同样突出,且与因果推断形成互补。Classification Matters 系统比较四种痴呆分类算法对发病率及风险因素 HR 估计的影响,显示分类选择可导致发病率相差两倍以上;Methodological approaches to reducing misclassification bias 评估缺失值插补、定义敏感性、年龄加权及测量时点对纯母乳喂养患病率估计的冲击,强调标准化测量的必要性。Improving dietary data quality 提出可解释的机器学习异常值检测框架,用于 24 小时膳食回顾数据清洗,在纵向数据上优于静态方法。Limited added value of recall-derived dietary variables 则从增量预测角度评估膳食变量在 CVD 分类中的边际贡献,结果支持临床指标为主、膳食信息增益有限。此类工作共同指向观测数据中定义与测量不确定性对效应估计的影响,与因果推断中的测量误差问题直接相关。

与因果推断或半参数效率最贴近的优先阅读篇目包括:Doubly robust methods for recurrent event outcomes(纵向因果与双重稳健)、Estimate Optimal Dynamic Treatment Regimes with Partial Compatibility(动态处理与权重稳定化)、Structural limitations of Early–Late treatment comparisons(估计量定义与模拟验证)、Assessing and adjusting for selection bias in MR(选择偏倚校正)。若关注测量偏倚与分类误差对因果估计的干扰,Classification Matters 与 Methodological approaches to reducing misclassification bias 亦值得纳入。

因果推断 (causal_inference, 7 篇)

1. 10.1093/aje/kwag214 · arXiv — Doubly robust methods for recurrent event outcomes: causal effects of blood pressure medications on acute kidney injuries

  • 作者: Wenling Zhang, Cecilia A Cotton, Lan Wen
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Harvard University · University of Waterloo
  • 相关性 8/10 · novelty: application
  • 摘要: 本文在纵向观察性研究中估计治疗策略对复发事件结局(如急性肾损伤)的平均因果效应,目标 estimand 是标准 vs 强化降压治疗下的复发风险差异。研究处理了时变治疗、时变混杂、药物依从性以及死亡作为半竞争风险的问题。方法上采用双重稳健估计,结合结局回归和倾向性评分加权,以缓解模型误设对识别和估计的影响。作者在 Systolic Blood Pressure Intervention Trial (SPRINT) 数据上应用该方法,并考虑了依从性和竞争风险。主要贡献在于将双重稳健思想扩展到复发事件结局的纵向因果推断场景,并通过实证数据展示了方法的可行性。对您而言,该文是因果推断中纵向设定与复发事件结局结合的应用范例,其处理时变混杂和竞争风险的思路可迁移至流行病学队列研究。
  • 关键技术: doubly robust estimation, inverse probability weighting, time-varying confounding, semi-competing risks, recurrent events
  • 为什么对您有用: 该文属于流行病学应用,使用双重稳健方法处理纵向因果推断中的时变混杂和竞争风险,与您的因果推断(纵向)和流行病学应用兴趣直接相关。您可以用 very_familiar 的估计理论(如 influence function 推导)来审视其双重稳健估计的效率性质,或检查其是否达到半参数效率界。中期可做:若想深入其依从性处理,需在 identification theory 上加强。

2. 10.1093/aje/kwag255 — The effect of hypothetical interventions to limit weight gain on incident type 2 diabetes mellitus among people with HIV initiating antiretroviral therapy in the United States, 2012-2021

  • 作者: Catherine R Lesko, Katherine Kurgansky, Elizabeth Humes, Parastu Kasaie, Emily P Hyle, Jennifer O Lam et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Johns Hopkins University · Massachusetts General Hospital · Kaiser Permanente · Emory University · Johns Hopkins Medicine · University of Calgary · University of North Carolina at Chapel Hill
  • 相关性 7/10 · novelty: application
  • 摘要: 本文在 HIV 感染者(PWH)启动抗逆转录病毒治疗(ART)的队列中,估计限制 BMI 增加的假设干预对 7 年内 2 型糖尿病(T2DM)风险的效应。研究使用 NA-ACCORD 临床队列中 2012-2021 年间启动 ART 的 13,822 名正常体重或超重 PWH(BMI 18.5-29.9 kg/m²),采用参数扩展 g-formula 估计干预效应。比较了三种干预策略:将 BMI 增幅限制在基线 5%、限制在 29.9 kg/m²、以及完全防止体重增加,分别得到 RR=0.94、0.88、0.81,其中后两者具有统计学显著性。该研究展示了在纵向观察性数据中,通过 g-formula 对动态干预进行因果推断的完整流程,并考虑了时变混杂。对您而言,这是一个将因果推断方法(g-formula)应用于流行病学队列研究的典型实例,其处理时变混杂和假设干预的策略可迁移至您的纵向因果推断研究。
  • 关键技术: parametric extended g-formula, longitudinal causal inference, time-varying confounding, hypothetical interventions, risk ratio estimation
  • 为什么对您有用: 本文属于流行病学应用,使用 g-formula 估计动态干预效应,直接关联您的因果推断(纵向)和流行病学兴趣。您可以用 very_familiar 的估计理论(如 influence function)来审视其 g-formula 估计的效率,或用 moderately_familiar 的 semiparametric 理论来比较其与 doubly robust 方法的差异。中期可做:若想深入,需在 g-formula 的数值实现(如 Monte Carlo 模拟)上加强。

3. 10.1093/aje/kwag254 — Estimate Optimal Dynamic Treatment Regimes with Partial Compatibility: An Application to data from a TREAT Asia HIV Observational Database (TAHOD) site in Pune, India

  • 作者: Chloe Si, David A Stephens, Erica E M Moodie, Ivan Marbaniang, Vidya Mave, Haridas Prasad
  • 期刊/来源: American Journal of Epidemiology
  • 机构: McGill University · Johns Hopkins University · Centre Hospitalier de l’Université de Montréal · B. J. Medical College & Sassoon Hospital
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文在动态治疗策略(DTR)的观测数据框架下,目标是估计策略价值(即期望人群结局),并识别最优阈值型治疗规则。标准 IPW 和增广 IPW 在严格 regime compatibility 假设下常因有效轨迹过少而产生高方差权重和噪声估计。作者提出两种自适应加权框架:广义兼容性加权(GCW)和 bootstrap 兼容性窗口(BCW),允许近兼容轨迹在有限样本中贡献信息,并在大样本中逐渐减少信息借用。方法通过加权机制在偏差与方差之间权衡,稳定了经验最优治疗阈值的识别。应用于印度 TAHOD 站点 2013-2024 年 HIV 成人数据,基于基线 CD4 计数和体重评估阈值规则,结果显示 GCW 和 BCW 比标准 IPW 方法产生更稳定的策略价值估计和更可靠的规则选择。对您有用:该文是纵向观测数据中 DTR 估计的实用方法,与您的因果推断(纵向、IPW)和流行病学应用兴趣直接相关。
  • 关键技术: dynamic treatment regimes, inverse probability weighting, augmented IPW, generalized compatibility weighting, bootstrap compatibility windowing, threshold-based decision rules
  • 为什么对您有用: 本文属于因果推断中动态治疗策略的估计问题,直接关联您的 primary interest 中的 longitudinal causal inference 和 IPW 方法。您可以用 very_familiar 的估计理论(如 M-estimation)分析 GCW/BCW 的渐近性质,或结合您对 higher-order U-statistics 的熟悉,探讨其方差估计的改进。中期可做:需先熟悉 bootstrap 的变体(如 m-out-of-n)以严格分析 BCW 的收敛性。

4. 10.1093/aje/kwag211 — Assessing and adjusting for selection bias in Mendelian randomization: the effects of body mass index, education, and C-reactive protein on depression in UK Biobank

  • 作者: Yaxin Luo, Kate Tilling, Apostolos Gkatzionis
  • 期刊/来源: American Journal of Epidemiology
  • 机构: University of Bristol · MRC Integrative Epidemiology Unit
  • 相关性 7/10 · novelty: application
  • 摘要: 本文针对 UK Biobank 中因可选心理健康问卷(MHQ)不完整参与导致的 selection bias,使用单样本孟德尔随机化(MR)评估 BMI、教育程度(EA)和 C 反应蛋白(CRP)对抑郁的因果效应。采用逆概率加权(IPW)和选择工具变量(IVsel)两种方法调整选择偏倚,并以精神科咨询作为代理结局进行敏感性分析。结果显示 BMI 增加抑郁风险(OR=1.09),EA 具有保护作用(OR=0.81),CRP 证据有限(OR=1.01)。IPW 与 IVsel 估计方向一致,但 IVsel 估计更接近零,提示不同调整方法对偏倚校正程度的差异。代理结局分析支持了选择偏倚模式的相似性,为 MHQ 限制分析提供了偏倚评估框架。该研究为大型队列中可选组件的选择偏倚调整提供了实用方法学参考,与您的因果推断(IV、敏感性分析)和流行病学应用兴趣直接相关。
  • 关键技术: one-sample Mendelian randomization, inverse probability weighting (IPW), instrumental variable for selection (IVsel), proxy outcome sensitivity analysis, selection bias adjustment
  • 为什么对您有用: 本文直接关联您的因果推断兴趣中的 IV 和敏感性分析子方向,并展示了在流行病学大型队列(UK Biobank)中处理选择偏倚的实用框架。您可以用 very_familiar 的估计理论(如 IPW 的渐近性质)和 moderately_familiar 的识别理论(如 IVsel 的识别条件)来批判性评估其方法假设,例如 IVsel 的排他性约束是否合理。中期可做:若想深入,需在 moderately_familiar 的 semiparametric theory 上加强,以推导更高效的联合调整估计量。

5. 10.1093/aje/kwag208 — Structural limitations of Early–Late treatment comparisons under target trial emulation: a simulation study

  • 作者: Atsushi Takayama, Shiro Tanaka, Koji Kawakami
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Kyoto University · Kyushu University Hospital
  • 相关性 7/10 · novelty: application
  • 摘要: 本文通过结构模拟研究,系统评估了在目标试验模拟(TTE)框架下,使用克隆-删失-加权(CCW)方法进行早期与晚期(E–L)治疗起始比较时,所估计的因果效应是否具有明确定义的因果估计量。研究在理想实施条件下,沿三个维度变化设计:治疗起始机制(随机 vs 基线混杂时间)、延迟治疗危害与治疗后获益的利弊结构,以及五种不同的E–L起始窗口配置。结果显示,即使真实边际因果对比为1,估计的风险比也会随窗口设置出现系统性变化,甚至方向反转,且这些模式不能仅由权重不稳定或支持重叠不足解释。作者指出,CCW估计的窗口定义策略对比可能强烈受窗口内治疗前累积风险的影响,提示在解释E–L分析时需谨慎。该研究对因果推断中目标试验模拟的识别假设提出了重要警示,与您的proximal CI和纵向因果推断兴趣直接相关。
  • 关键技术: target trial emulation, clone-censor-weighting, structural simulation, immortal time bias, marginal risk ratio
  • 为什么对您有用: 该论文直接关联您的causal inference兴趣中的纵向设定与identification问题,特别是TTE/CCW方法在E–L比较中的因果估计量定义缺陷。您可以用very_familiar的estimation theory in causal inference和identification theory来形式化分析窗口依赖的偏差来源,并可能提出更稳健的估计策略。中期可做:结合您的HOIF工具,推导窗口选择对估计量影响的高阶影响函数。

6. 10.1093/aje/kwag258 · arXiv — A Law of Iterated Expectation Primer for Causal Inference

  • 作者: Ashley I Naimi, Razieh Nabi, Lindsay J Collin, Zhaohua Zeng, Paul N Zivich, Stephen R Cole
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Emory University · Decision Sciences (United States) · University of North Carolina at Chapel Hill
  • 相关性 6/10 · novelty: survey
  • 摘要: 本文是一篇面向流行病学与因果推断初学者的教学性综述,旨在阐明迭代期望定律(law of iterated expectation)与 g-formula 之间的数学联系。作者指出,g-formula 的识别依赖于因果一致性、正性和条件可交换性假设,并在此基础上将 g-formula 表达为两种非参数等价形式:非迭代条件期望(NICE)形式和迭代条件期望(ICE)形式。文中通过三个逐步复杂的数值例子(单二值混杂、离散与连续混杂、两时点纵向)直观展示这两种形式的计算过程,帮助读者理解积分记号与嵌套期望的含义。该文不提出新方法,但为因果识别中的标准化公式提供了清晰的教学框架,尤其适合作为入门读物。对您而言,这篇 primer 可作为向非统计背景合作者解释 g-formula 的参考,但其方法学贡献有限。
  • 关键技术: g-formula, law of iterated expectation, causal standardization, conditional exchangeability, NICE form, ICE form
  • 为什么对您有用: 本文属于因果推断中 g-formula 的教学性 primer,直接关联您的 primary interest 中的 identification theory in causal inference。作为 gateway reading,它清晰展示了从迭代期望到因果标准化的推导,但方法学 novelty 低。您的武器库(如 semiparametric theory、identification theory)足以完全理解并评估其内容,无需新工具。若您需要向流行病学合作者解释 g-formula,本文是很好的入门材料,但不必作为研究灵感来源。

7. 10.1093/aje/kwag223 — Questions asked and, maybe, answered with Mendelian randomization

  • 作者: Joy Shi, Elizabeth W Diemer, Sonja A Swanson
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Harvard University · Massachusetts General Hospital · Children's Hospital of Philadelphia · University of Pennsylvania · University of Pittsburgh
  • 相关性 5/10 · novelty: survey
  • 摘要: 本文是一篇关于孟德尔随机化(MR)的评论性文章,旨在澄清MR研究中所能回答的因果问题。作者指出,MR通常被用来估计基因型对结局的因果效应,但实际估计的往往是基因型作为工具变量(IV)所识别的局部平均处理效应(LATE),而非一般人群的平均处理效应(ATE)。文章强调了MR的识别假设(相关性、排他性、独立性)及其在实践中的脆弱性,并讨论了多效性、连锁不平衡等违反假设的情形。作者建议研究者应明确MR所估计的因果参数,并考虑使用敏感性分析来评估假设违背的影响。文章还回顾了MR在流行病学中的应用,并提出了改进研究设计和报告的建议。对于关注因果推断和工具变量方法的统计学家,本文提供了对MR方法学假设和解释的清晰梳理,有助于理解IV方法在遗传流行病学中的实际应用和局限。
  • 关键技术: Mendelian randomization, instrumental variables, local average treatment effect, sensitivity analysis, pleiotropy
  • 为什么对您有用: 本文属于流行病学中工具变量(IV)方法的应用性评论,与您的次要兴趣(流行病学应用因果推断)直接相关。作为一篇方法学评论,它清晰阐述了MR的识别假设和估计目标(LATE vs ATE),可作为进入遗传流行病学IV方法的入门读物。您的武器库(如IV估计、敏感性分析)足以理解本文,但若要深入MR的统计方法(如多效性鲁棒估计),可能需要补充遗传学背景。本文值得阅读全文,以了解MR的实践挑战和报告规范。

流行病学 (epidemiology, 17 篇)

1. 10.1093/aje/kwag260 — Classification Matters: Divergent Estimates of Dementia Risk Factors in the Health and Retirement Study

  • 作者: Gina E Nam, Junxian Liu, Suhani Amin, Karla Renata Flores Romero, Zachary J Kunicki, M Maria Glymour et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: University of Southern California · University of California, San Francisco · Brown University · Boston University
  • 相关性 6/10 · novelty: application
  • 摘要: 本文在 Health and Retirement Study (HRS) 2010-2020 队列中,系统比较了四种常用的痴呆分类算法(Langa-Weir、Hudomiet、Expert、Wu)对痴呆发病率及风险因素关联估计的影响。针对 70 岁以上基线无痴呆人群,分别构建四个算法特异样本,用 Cox 模型估计已知风险因素(教育、种族、健康相关因素)的风险比。结果显示痴呆发病率从 Hudomiet 的 26.5/1000 人年(95% CI 24.5-28.5)到 Expert 的 62.8(59.9-65.8),差异显著;社会人口学风险因素的 HR 也大幅波动,如教育(<高中 vs ≥高中)的 HR 从 1.36(1.19-1.54)到 2.22(1.98-2.50),非西班牙裔黑人 vs 白人的 HR 从 1.86(1.53-2.27)到 2.74(2.40-3.12),而健康相关风险因素的差异较小。作者建议在缺乏金标准纵向诊断时,研究者应跨多种算法检验结果的稳健性。对您而言,这是一篇流行病学应用论文,展示了分类算法选择对因果关联估计的实质性影响,可作为敏感性分析在流行病学中重要性的实例,但方法学新颖性有限。
  • 关键技术: Cox proportional hazards model, dementia classification algorithms, sensitivity analysis, incidence rate estimation
  • 为什么对您有用: 本文属于流行病学应用领域,直接关联您的 secondary interest 中的流行病学应用因果工作。它展示了在缺乏金标准结局时,不同分类算法如何导致风险因素关联估计的显著差异,这提醒您在流行病学因果推断中需考虑结局测量误差和算法选择的影响。虽然本文未提出新方法,但作为敏感性分析的实例,对您理解实际数据中的测量误差问题有参考价值。

2. 10.1093/aje/kwag252 — Racial discrimination and preterm birth subtype among a prospective cohort of nulliparous Black women in the United States, 2010-2013

  • 作者: Ashley S Judge, Collette N Ncube, Erika T Beidelman, Tera Howard, Kelli Ryckman, Christina Ludema
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Indiana University Bloomington · Boston University · Columbia University · Indiana University – Purdue University Indianapolis
  • 相关性 6/10 · novelty: application
  • 摘要: 本研究利用2010-2013年美国一项基于临床的前瞻性队列数据,在未产妇且自我报告为黑人的女性中,考察终身种族歧视经历与早产亚型(自发性和指示性)的关联。暴露采用修订版歧视经历量表测量,结局为早产亚型,在竞争风险框架下使用逆概率暴露加权和后分层加权结合累积发生函数估计亚型特异性风险比,并通过自助法估计标准误。结果显示,与无歧视相比,在≥3种情境中经历歧视与自发性早产风险增加1.66倍(95% CI 0.72-3.82)相关,而与指示性早产风险降低相关(RR=0.37, 95% CI 0.15-0.93)。按教育和年龄分层后,歧视与自发性早产的关联在受过大学教育及20岁及以上女性中最强。该研究提示未来研究应考虑早产临床亚型,并纳入晚期产前保健启动者。对您而言,本文是流行病学中因果推断方法(竞争风险、加权估计)的应用实例,可作为方法学迁移的参考。
  • 关键技术: inverse probability weighting, post-stratification weights, cumulative incidence function, competing risks, bootstrap standard errors
  • 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。其方法学核心——在竞争风险框架下结合IPW和累积发生函数——是您武器库中'因果推断中的估计理论'和'M估计理论'的具体应用场景。作为gateway reading,本文数据结构和分析流程清晰,适合作为流行病学因果推断的入门读物。武器库足以支撑理解其方法,但若想深入扩展,可能需熟悉竞争风险模型的精细理论。总体而言,值得花时间读全文以了解应用场景和数据分析细节。

3. 10.1093/aje/kwag204 — Improving dietary data quality in nutrition studies: development and validation of an explainable, reproducible, open machine learning-assisted framework for outlier detection in 24-hour recalls

  • 作者: Paraskevi Massara, Stephanie Saab, Arooj Asrar, Jessica Omand, Laura N Anderson, Charles Keown-Stoneman et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: University of Toronto · Hospital for Sick Children · Toronto Metropolitan University · McMaster University · St. Michael's Hospital
  • 相关性 6/10 · novelty: application
  • 摘要: 该研究针对营养流行病学中24小时膳食回顾(24HR)数据质量清洗问题,提出并验证了一个可解释、可复现、开源的机器学习辅助异常值检测框架。现有方法多为静态、手动且基于成人阈值,难以处理纵向数据中的时间依赖。框架整合了基于美国国家癌症研究所(NCI)第5-95百分位摄入量范围的自动化统计检测、纵向IQR标记以及基于机器学习的规则可解释性。在加拿大安大略省126名8-12岁儿童队列及2015年加拿大社区健康调查-营养(n=15,216)中验证,纵向数据上灵敏度>77%、特异度97%、精确率88%,优于静态方法。该框架提升了数据质量、透明度和可复现性,支持大规模流行病学分析及AI就绪膳食数据集生成。对您而言,这是一篇典型的应用型论文,展示了在真实纵向队列中结合统计规则与ML可解释性的数据清洗流程,可作为流行病学数据预处理的方法学参考。
  • 关键技术: outlier detection, longitudinal IQR, machine learning explainability, 24-hour dietary recall, data quality framework
  • 为什么对您有用: 本文属于流行病学应用方向,与您的secondary interest(流行病学应用)直接相关。作为应用论文,其方法学新颖性有限(novelty_flag=application),但展示了在真实纵向数据中结合统计规则与ML可解释性的完整流程,可作为您进入流行病学数据清洗领域的入门读物。从武器库看,您对统计检测和IQR方法非常熟悉,足以理解并评估其方法,但若想深入ML可解释性部分,可能需要补充相关工具(如SHAP等),属于中期可做的范畴。

4. 10.1093/aje/kwag201 — Confusion in evaluating research quality comes from lack of clarity: the case for explicit research questions

  • 作者: Matthew P Fox, Amelia Wesselink, Katrina L Kezios, Tara E Jenson, Marcia Pescador-Jimenez
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Boston University
  • 相关性 6/10 · novelty: survey
  • 摘要: 本文针对近期媒体对观察性研究混淆相关与因果的批评,指出问题根源常在于研究目标不清晰而非设计固有缺陷。作者将流行病学研究明确分为描述性、预测性和因果性三类,各自有不同的目标、假设、分析方法和评价标准。因果研究需在明确定义的反事实对比下估计干预或暴露效应,而观察性研究在明确因果问题并满足相应假设时也能支持因果推断。文章强调明确陈述研究目标和估计量(estimand)能改善科学交流、促进合理批评,并加强流行病学证据对公共卫生决策的贡献。这是一篇观点性文章,无新方法论,但对流行病学研究的规范表述有指导意义。
  • 关键技术: estimand specification, counterfactual contrasts, causal vs descriptive vs predictive aims
  • 为什么对您有用: 本文属于流行病学应用领域,作为gateway reading,它清晰阐述了流行病学中因果推断的基本框架和常见误区,适合作为入门读物。武器库中的identification theory和estimation theory足以理解其内容,无需额外工具。文章虽无方法学创新,但有助于研究者理解流行病学研究的规范表述,值得快速阅读。

5. 10.1093/aje/kwag209 — Leveraging Google location history data to assess the impact of activities, locations, and time spent in green space on mental health during the COVID-19 pandemic

  • 作者: Solmaz Amiri, Ofer Amram, Funso Oje, Ally R Avery, Assefaw Gebremedhin, Glen E Duncan et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Washington State University · Washington State University Spokane · Oregon State University
  • 相关性 5/10 · novelty: application
  • 摘要: 本研究利用华盛顿州双胞胎登记处的224对双胞胎在COVID-19疫情期间的智能手机Google位置历史数据,客观测量了个体的活动、地点及绿地暴露时间,并结合基线和最多7轮随访的焦虑、抑郁和压力等心理健康结局,采用线性混合模型评估这些暴露与心理健康之间的关联。研究发现,从基线到第1波,活动和地点发生显著变化,到第7波时变化方向和幅度各异,部分指标仍高于或低于基线水平。心理健康结局与部分地点、活动和绿地指标相关,但关联并非在所有暴露-结局组合中一致出现。该研究展示了被动传感数据(如位置历史)在流行病学纵向研究中的应用价值,但作为应用型论文,其方法学新颖性有限。
  • 关键技术: linear mixed models, smartphone location data, green space exposure assessment, longitudinal survey data
  • 为什么对您有用: 本文属于流行病学应用型研究,使用纵向数据和客观暴露测量,与您的流行病学应用兴趣相关。作为gateway reading,它展示了位置数据在心理健康研究中的分析流程,但方法学上较为常规。您可考虑用您熟悉的纵向因果推断方法(如g-formula或边际结构模型)来改进其暴露-结局关联的因果解释,但需先熟悉位置数据的结构和预处理。

6. 10.1093/aje/kwag197 — Methodological approaches to reducing misclassification bias in exclusive breastfeeding measurement

  • 作者: Stephanie M Khoury, Günther Fink, Marc Grünig, Anny-Claude Joseph, Jordyn T Wallenborn
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Swiss Tropical and Public Health Institute · University of Basel · Wellesley College
  • 相关性 5/10 · novelty: application
  • 摘要: 本文针对纯母乳喂养(EBF)测量中的错分偏倚问题,评估了四种方法学调整对EBF患病率估计的影响:处理喂养变量缺失值(多重插补)、纳入初乳喂养定义、通过年龄加权减少抽样偏倚、以及调整测量周期(6个月时点 vs 前6个月平均)。基于实际调查数据,结果显示插补缺失值使患病率从42.9%降至41.2%,纳入初乳喂养进一步降至32.2%,年龄加权使估计升至33.6%,而采用6个月时点评估则大幅降至5.9%。研究强调不同方法学选择导致EBF患病率估计差异巨大,亟需标准化测量以准确评估早期营养并指导政策。该文是流行病学中测量误差与敏感性分析的典型应用,对您而言,其方法学调整框架(缺失值处理、定义敏感性、加权)与您因果推断中的测量偏倚和敏感性分析兴趣直接相关,可作为应用案例参考。
  • 关键技术: multiple imputation, age weighting, sensitivity analysis, measurement bias, prevalence estimation
  • 为什么对您有用: 本文属于流行病学应用,涉及测量偏倚和敏感性分析,与您的因果推断(测量误差、敏感性分析)和流行病学应用兴趣直接相关。作为应用论文,其方法学调整思路(如插补、加权)可迁移至因果推断中的测量误差问题,但核心方法并非新颖。武器库(如多重插补、加权估计)足以理解并复现其分析,属于立即可读的应用案例,但方法学贡献有限。

7. 10.1093/aje/kwag203 — Early-life and adulthood eviction and risk of depressive symptoms in Black reproductive-aged women: Social Epidemiology to Combat Unjust Residential Evictions (SECURE) study

  • 作者: Shawnita Sealy-Jefferson, Loretta J Ross, Swati Mishra, Tamika Anderson-Mays, Kyra Sanders, Tamika Anderson et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: The Ohio State University · Smith College
  • 相关性 5/10 · novelty: application
  • 摘要: 本研究利用 SECURE 队列(2021-2024,n=1428)的定性与定量数据,评估黑人育龄女性中童年期及成年期驱逐经历与抑郁症状风险(CESD≥16)的关联。采用 Poisson 回归估计 5 种驱逐测量(按类型、时近性、生命阶段)的风险比,并调整混杂因素。结果显示,报告童年期驱逐和终身法院下令驱逐者,高抑郁症状风险增加 15%-17%(调整后 95% CI 1.05-1.28)。定性内容分析(N=349)揭示了童年期驱逐可能通过 5 种新机制影响抑郁风险,且 20 项抑郁量表与定性主题完全吻合。该研究为驱逐与心理健康关联提供了流行病学证据,但方法上以传统回归为主,未涉及因果推断的高级方法。对您而言,本文可作为流行病学应用案例,其暴露测量和混杂控制设计或可启发您将因果推断方法(如敏感性分析)应用于此类社会流行病学数据。
  • 关键技术: Poisson regression, content analysis, mixed methods, CESD scale, adjusted risk ratios
  • 为什么对您有用: 本文属于流行病学应用研究,使用传统回归方法,但暴露(驱逐)与结局(抑郁)的关联可能受未测量混杂影响,这为您的因果推断敏感性分析专长提供了潜在应用场景。作为 gateway reading,本文数据结构和测量工具清晰,但方法学新颖性有限,武器库足以支撑理解,但无需深入方法学跟进。

8. 10.1093/aje/kwag205 — Advancing neighborhood exposure assessment with GPS-based mobility data: toward theoretically driven standardized approaches in population health research

  • 作者: Byoungjun Kim, Seann D Regan, Tyrone Moline, Adam M Whalen, Giselle A Barreto, Basile Chaix et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: New York University · Columbia University · Florida International University · Inserm · Sorbonne Université · Institut Pierre Louis d‘Épidémiologie et de Santé Publique · Rutgers, The State University of New Jersey · Rutgers Health 等
  • 相关性 4/10 · novelty: application
  • 摘要: 本文针对 GPS 移动数据在邻里暴露评估中的应用,指出当前缺乏统一的暴露定义和量化标准,主张以理论驱动的标准化方法推进该领域。作者整合心理学、社会学和地理学理论框架,基于两项队列研究(共 649 名参与者)构建了 GPS 暴露指标,包括特定地点直接暴露和邻里心理社会暴露,并与传统基于居住地的指标进行比较。结果显示 GPS 指标捕捉到更高的暴露变异性,且 GPS 衍生的移动性指标能进一步刻画个体移动模式,为理解居住地之外的暴露提供额外背景。文章强调空间和时间维度的重要性,为未来更精确、空间相关的健康干预研究奠定基础。对您而言,本文是流行病学中 GPS 暴露测量的应用型工作,其方法学贡献有限,但可作为了解该领域数据结构和分析流程的入门读物。
  • 关键技术: GPS-based exposure assessment, mobility measures, residential-based comparison, cohort study
  • 为什么对您有用: 本文属于流行病学应用型研究,涉及因果推断中的暴露测量问题,但方法学新颖性较低。作为 gateway reading,其数据结构和分析流程对您了解 GPS 数据在流行病学中的应用有帮助,但武器库(如因果推断、高维统计)足以支撑理解,无需额外工具。值得快速浏览以获取领域背景,但不必深入精读。

9. 10.1093/aje/kwag217 — Patterns of cohort participation among people with systemic sclerosis in an open cohort: a Scleroderma Patient-centered Intervention Network Cohort study

  • 作者: Meira Golberg, Marie-Eve Carrier, Linda Kwakkenbos, Susan J Bartlett, Catherine Fortuné, Amy Gietzen et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Jewish General Hospital · Lady Davis Institute for Medical Research · Radboud University Nijmegen · Radboud University Medical Center · Research Institute of the McGill University Health Centre · McGill University · La Boîte à lettres · The University of Texas Health Science Center at Houston 等
  • 相关性 4/10 · novelty: application
  • 摘要: 本研究针对多中心慢性病开放队列中复杂的参与模式,提出了一种识别参与亚组及其预测因素的方法,并以系统性硬化症患者队列为例进行应用。作者将参与定义为每次随访评估的完成情况,并区分了持续参与、立即流失、中期流失、长期流失和持续偶发参与等模式。方法上采用基于组的轨迹模型(group-based trajectory modeling)对参与轨迹进行聚类,并用多项逻辑回归识别亚组归属的预测因素。数据来自7个国家54个中心的2883名参与者,识别出5个参与亚组,其中持续参与占29%,立即流失占29%。研究发现年龄较大和非美国站点与较低的非持续参与几率相关,而若干社会人口学变量与立即流失组的高几率相关。该方法可推广至其他具有复杂参与模式的队列研究,为纵向研究中的流失偏倚分析提供了实用工具。
  • 关键技术: group-based trajectory modeling, multinomial logistic regression, longitudinal cohort analysis, attrition patterns
  • 为什么对您有用: 本文属于流行病学应用,涉及纵向队列中的参与模式与流失偏倚,与您的流行病学应用兴趣相关;其方法(轨迹建模)虽非您核心武器库,但可作为入门读物,了解流失分析的实际操作;武器库中的非参数和因果推断工具足以支撑您理解并可能改进此类分析,值得花时间阅读全文。

10. 10.1093/aje/kwag218 — Cumulative layoffs in adulthood and cognitive function in mid-to-later life among US working-age adults, 1979-2020

  • 作者: Xuexin Yu, Katrina L Kezios, Antonio J Bustillo, Martine Elbejjani, Allison E Aiello, Adina Zeki Al Hazzouri
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Columbia University · Boston University · American University of Beirut
  • 相关性 4/10 · novelty: application
  • 摘要: 本研究利用美国全国纵向调查(NLSY79)中6421名成年人的数据,考察了1979至2020年间累积裁员经历(0次、1次、≥2次)与晚年认知功能(情景记忆、注意力、定向力、语言)的关联。认知功能通过2020年的确认性因子分析得到潜在因子得分,采用多变量调整的线性回归模型估计关联。结果显示,累积裁员次数与情景记忆得分呈负相关(≥2次 vs 0次:β=-0.086,95%CI -0.171至-0.001,趋势P=0.037),但与其他认知域无显著关联。该研究属于应用流行病学工作,方法上使用标准回归和因子分析,未涉及因果推断的高级方法,但为理解社会经济压力与认知老化的关系提供了观察性证据。对您而言,这是一篇流行病学应用论文,可作为了解该领域数据结构和分析流程的入门材料。
  • 关键技术: confirmatory factor analysis, multivariable linear regression, longitudinal cohort study, cumulative exposure
  • 为什么对您有用: 本文属于流行病学应用研究,使用纵向队列数据考察累积暴露与健康结局的关联,可作为流行病学数据集的入门读物。方法上仅用标准回归和因子分析,武器库足以支撑理解,但方法学新颖性有限。若您关注因果推断在流行病学中的应用,可考虑将其作为背景阅读,但无需深入。

11. 10.1093/aje/kwag213 — Gestational diabetes mellitus in second pregnancy by adverse outcomes of first pregnancy: a population-based historical cohort study

  • 作者: Linn Marie Sørbye, Roy Miodini Nilsen, Kari Klungsøyr, Nils-Halvdan Morken, Liv Grimstvedt Kvalvik, Ellen Aagaard Nohr et al.
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Oslo University Hospital · Western Norway University of Applied Sciences · Haukeland University Hospital · Norwegian Institute of Public Health · University of Bergen · Odense University Hospital · Magee-Womens Research Institute · Magee-Womens Hospital
  • 相关性 4/10 · novelty: application
  • 摘要: 本研究利用挪威医学出生登记处1985-2020年间561,873名无孕前糖尿病的母婴数据,探讨首次妊娠的不良结局组合(早产、子痫前期、按孕周校正的出生体重四分位数)与第二次妊娠发生妊娠期糖尿病(GDM)的交叉风险。暴露变量为首次妊娠的16种组合类别,以足月、无子痫前期且出生体重在Q1的首次妊娠为参照,估计第二次妊娠GDM的相对风险。结果显示,首次妊娠出生体重在Q4的女性后续GDM风险升高,且与早产和子痫前期组合时风险递增:Q4足月无子痫前期aRR为2.1,Q4早产无子痫前期aRR为3.3,Q4足月伴子痫前期aRR为5.6,Q4早产伴子痫前期aRR高达10.1。研究揭示了首次妊娠不良结局组合对后续GDM风险的累积效应,提示临床监测应关注此类高风险人群。对您而言,该研究展示了大规模登记数据中多分类暴露组合的流行病学分析方法,其交叉风险估计思路可迁移至因果推断中的纵向设定。
  • 关键技术: historical cohort study, relative risk estimation, categorical exposure combinations, birthweight-for-gestational-age quartiles, registry-based data
  • 为什么对您有用: 本文属于流行病学应用研究,使用大规模登记数据估计多分类暴露组合的交叉风险,与您的流行病学应用兴趣直接相关。其分析模式(组合暴露、相对风险)可借鉴于因果推断中的纵向研究设计,但方法学新颖性有限。作为gateway reading,本文数据清晰、方法常规,适合快速了解挪威出生登记数据的特点,但无需深入精读。

12. 10.1093/aje/kwag210 — The association between perceived neighborhood social cohesion and incident hypertension among older adults in the US Health and Retirement Study

  • 作者: Roma Dhingra, Kosuke Tamura, Tiffany M Powell-Wiley, Allana T Forde
  • 期刊/来源: American Journal of Epidemiology
  • 机构: National Institutes of Health · National Institute on Minority Health and Health Disparities · National Heart, Lung, and Blood Institute
  • 相关性 4/10 · novelty: application
  • 摘要: 本研究基于美国健康与退休研究(HRS)的全国代表性样本(n=2998,平均年龄62.5岁),探讨老年人感知邻里社会凝聚力(PNSC)与高血压发病风险的关联。基线(2006/2008)血压正常者随访4年和8年,PNSC按三分位数分类,采用加权Cox比例风险回归估计风险比,并纳入两向和三向交互项,按种族/民族和性别分层。结果显示,低PNSC(相对高PNSC)与高血压风险增加相关(HR=1.22, 95% CI 1.08-1.37),其中黑人(HR=2.28)和黑人女性(HR=3.40)的关联最强,但交互项未达统计显著(P>0.05)。该研究为观察性流行病学应用,方法学上使用标准加权Cox模型,未涉及因果推断的高级方法(如工具变量或敏感性分析)。对您而言,本文可作为流行病学队列研究的数据分析范例,但方法学新颖性有限;若关注种族差异的因果机制,可考虑用更严格的因果推断框架(如中介分析或负控制)来深化。
  • 关键技术: weighted Cox proportional hazards regression, interaction terms, stratified analysis, Health and Retirement Study
  • 为什么对您有用: 本文属于流行病学应用研究,使用大型队列数据(HRS)和标准生存分析方法,可作为流行病学数据分析的入门读物;但方法学上无新颖性,与您的主要兴趣(因果推断、半参数理论)关联较弱。武器库足以理解其分析流程,但无需深入阅读全文。

13. 10.1093/aje/kwag195 — Limited added value of recall-derived dietary variables for cardiovascular disease classification in NHANES, 2007–2018

  • 作者: Pınar Erdoğan Sezgen
  • 期刊/来源: American Journal of Epidemiology
  • 机构: KTO Karatay University
  • 相关性 4/10 · novelty: application
  • 摘要: 本文利用 NHANES 2007–2018 的 34,388 名美国成年人横断面数据,评估短期回忆性膳食变量在心血管疾病(CVD)分类中的增量价值。研究将预测变量分为人口学/生活方式、临床/实验室、膳食三个嵌套模块,采用逻辑回归和直方图梯度提升,并通过 5 折样本外验证比较 AUC 增益。结果显示,加入临床模块后 AUC 增益最大(逻辑回归 0.031,梯度提升 0.032,均 P<0.001),而再加入膳食变量仅带来逻辑回归 0.002 的增益,梯度提升无实质增益(P=0.219)。加权逻辑回归、亚组和重复随机插补敏感性分析均保持相同层级。结论是,在已有临床标志物的情况下,回忆性膳食变量对 CVD 分类的增量信息有限。对您而言,这是一篇流行病学应用论文,展示了变量增量价值评估的清晰框架,但其方法学新颖性有限,主要价值在于数据集和分析流程的参考。
  • 关键技术: nested predictor blocks, out-of-fold validation, logistic regression, histogram-based gradient boosting, AUC comparison, sensitivity analysis
  • 为什么对您有用: 本文属于流行病学应用论文,与您的 secondary interest 中的流行病学应用方向直接相关。作为 gateway reading,它清晰展示了横断面调查数据中变量增量价值的评估流程,但方法学上较为常规(嵌套回归 + AUC),对您而言,武器库中的非参数统计和因果推断工具足以理解并复现其分析。是否值得花时间读全文取决于您对 NHANES 数据或 CVD 风险预测的兴趣,若仅关注方法学,则略读摘要即可。

14. 10.1093/aje/kwag196 — Science or advocacy? The global rise of policy claims and calls to action in population health research (1990-2024)

  • 作者: David Bann, Mengyao Wang, Neil M Davies, Liam Wright, Meredith O’Connor, Emilie Courtin
  • 期刊/来源: American Journal of Epidemiology
  • 机构: University College London · Yale University · London School of Economics and Political Science · Norwegian University of Science and Technology · The University of Melbourne · Murdoch Children's Research Institute
  • 相关性 4/10 · novelty: application
  • 摘要: 本文分析了1990-2024年间10本顶级流行病学与公共卫生期刊的45807篇摘要,利用经人工验证的大语言模型对政策主张和行动呼吁进行分类,并绘制其时间趋势。结果显示,政策主张的比例从17.6%显著上升至35.8%,且在不同国家和期刊间差异巨大(>60% vs <4%)。与政策主张相关的关键词因主题和时间而异,部分对应有明确因果证据的危害主题,部分则对应明显的倡导性主题。政策主张在定性或横断面研究中最为常见,而在队列、准实验或实验研究中较少。作者认为这些模式反映了研究文化日益趋向于宣称政策相关性,以及激励措施鼓励将主张附加于单一研究。该研究引发了对科学家和期刊如何平衡证据、倡导与科学可信度的思考,并强调确保政策主张与证据相称对于建立信任至关重要。对您而言,这是一篇关于流行病学领域研究文化和方法学实践的元科学论文,可作为了解该领域研究趋势的入门读物。
  • 关键技术: large language model classification, human validation, trend analysis, abstract mining
  • 为什么对您有用: 本文属于流行病学领域的应用型元研究,可作为gateway reading了解该领域的研究文化和数据特点;武器库中的统计方法足以理解其分析,但本文方法学新颖性有限,主要价值在于提供领域背景和数据集线索。
  • 作者: Shu-Yu Tai, Yu-Wen Chien, Ichiro Kawachi, Tsung-Hsueh Lu
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Kaohsiung Medical University · Kaohsiung Medical University Chung-Ho Memorial Hospital · National Cheng Kung University · Harvard University
  • 相关性 3/10 · novelty: application
  • 摘要: 本研究利用美国2020至2023年提及COVID-19的死亡证明数据(各年分别为385,293、463,273、246,196和76,024份),考察了死亡证明填写实践(是否在Part I报告COVID-19)和死因报告质量(可接受与拒绝的因果序列)的变化。结果显示,COVID-19被选为根本死因的比例从2020年的91%逐年下降至2023年的65%,在Part I报告的比例也从93%降至67%;可接受因果序列的比例从51%降至41%,而拒绝序列的比例稳定在21%-23%。以2020年为参照,2023年报告COVID-19在Part I的调整后比值比为0.18(95% CI: 0.18-0.18),可接受序列为0.77(0.76-0.78),拒绝序列为1.14(1.12-1.16)。作者认为,死亡证明实践的变化与SARS-CoV-2毒力下降平行,且死因报告质量在四年间略有下降。该研究为流行病学中死亡证明数据质量评估提供了实证,但方法上以描述性统计和逻辑回归为主,未涉及因果推断或高级统计方法。
  • 关键技术: death certificate coding, cause-of-death sequence analysis, adjusted odds ratio, logistic regression, descriptive epidemiology
  • 为什么对您有用: 本文属于流行病学应用领域,直接关联您的secondary interest中的流行病学数据应用。作为gateway reading,它清晰展示了死亡证明数据的结构(Part I/II、因果序列)和质量评估标准,对不熟悉该数据源的统计学家是良好入门。但方法学上仅用逻辑回归和描述统计,您的武器库(如semiparametric theory、causal inference)足以支撑理解,无需额外工具。可快速浏览以了解死亡证明数据的特点,但不必深读方法部分。

16. 10.1093/aje/kwag206 — Neighborhood Church Closure Density and Self-Reported Mental Health Diagnoses in Southeastern Pennsylvania: A Population-Based Analysis

  • 作者: Yu-Tien Hsu, Taylor J Robinson, Insang Song, Hui Luan, Yusuf Ransome
  • 期刊/来源: American Journal of Epidemiology
  • 机构: Yale University · Harvard University · Seoul National University · The University of Texas Southwestern Medical Center
  • 相关性 3/10 · novelty: application
  • 摘要: 本研究利用美国宾夕法尼亚州东南部的人口层面数据,探讨社区教堂关闭密度与居民自报心理健康诊断之间的关联。研究采用空间流行病学方法,将教堂关闭数据与健康调查数据在社区层面进行链接,并构建多水平或空间回归模型以调整个体和社区层面的混杂因素。主要发现是教堂关闭密度较高的社区,其居民报告心理健康诊断的比例也较高,提示社区宗教基础设施的丧失可能对心理健康产生不利影响。研究还进行了敏感性分析以检验结果的稳健性。该研究属于应用流行病学工作,其分析框架(空间数据链接、多水平建模、敏感性分析)对您关注的应用因果推断和流行病学队列研究具有参考价值。
  • 关键技术: spatial epidemiology, multilevel modeling, neighborhood-level exposure, administrative data linkage, sensitivity analysis
  • 为什么对您有用: 本文属于流行病学应用研究,符合您的次要兴趣。作为入门读物,它展示了如何将社区层面的暴露(教堂关闭)与个体健康结局关联,并处理空间混杂,但方法学新颖性有限。您的武器库(多水平模型、敏感性分析)足以理解并复现其分析,但若要深入因果解释,需补充空间因果推断工具。值得花时间读全文以了解数据结构和分析流程,但不必期待方法论突破。

17. 10.1093/aje/kwag199 — In Memoriam: the enduring legacy of Dr. Roger Detels (1936-2026)

  • 作者: Matthew J Mimiaga, Gilda Noori, Roger Shih, Beth D Jamieson
  • 期刊/来源: American Journal of Epidemiology
  • 机构: University of California, Los Angeles
  • 相关性 0/10 · novelty: minor
  • 摘要: 这是一篇纪念流行病学家 Roger Detels 博士(1936-2026)的讣告,发表于《美国流行病学杂志》。文章回顾了 Detels 在 HIV/AIDS 流行病学、国际公共卫生和流行病学方法学方面的开创性贡献,特别是他在 UCLA 领导的研究和教育项目。讣告强调了他对全球健康公平和疾病预防的持久影响,以及他对学生和同事的指导。作为一篇纪念性文章,它不包含新的数据或方法论,但提供了流行病学领域重要人物的历史背景。对您而言,这篇讣告可作为了解流行病学领域发展脉络和关键人物的入门读物,但缺乏可迁移的统计方法或数据集。
  • 为什么对您有用: 本文属于流行病学领域的纪念性文章,不涉及具体统计方法或数据。作为 gateway reading,它可能帮助您了解流行病学领域的历史和关键人物,但缺乏数据或建模细节,对统计方法学无直接启发。武器库中的工具在此无用武之地,因此不值得花时间深入阅读。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论