×
米盖尔，小心点;玛丽亚·萨莫连科;西蒙·德罗因;丹尼尔·辛内特;马贾·克拉吉诺维奇;卡罗琳·拉维尔迪埃;瓦莱里·马西尔;列斐伏尔，日内瓦

二元结果和二元介质因果中介分析的贝叶斯联合模型：探索肥胖在儿童急性淋巴细胞白血病治疗的头颅放射治疗与胰岛素抵抗长期风险之间的关系中的作用。 （英语） Zbl 07602501号

计算。统计数据分析。 177，文章ID 107586，31 p.（2023）.
摘要：众所周知，二元结果的调解分析比连续结果更具挑战性。介绍了一种新的贝叶斯方法，用于执行具有二元结果和二元中介的因果调解，称为（t）-链接方法。该方法依赖于由S.M.奥布莱恩和D.B.邓森[“贝叶斯多元逻辑回归”，生物统计学，60，第3期，739–746（2004；doi:10.1111/j.0006-341X.2004.00224.x)]及其Student-（t）近似。通过重新表述调解公式，我们展示了如何使用这个多元潜在模型来估计风险暴露对任何利益衡量尺度（例如，赔率或风险比、风险差异）结果的自然直接和间接影响。链接中介方法有几个有价值的特性，据我们所知，这些特性在现有的二进制中介分析方法中是找不到的。特别是，它允许对未测量的中介输出混杂因素对自然影响估计的影响进行敏感性分析。使用模拟数据对所提出的调解方法进行了评估，并与其他两种基准方法进行了比较。结果表明，当样本量较小或适中时，（t）链接中介方法非常有用。最后，采用t-link方法评估用于治疗儿童急性淋巴细胞白血病的头颅放射治疗对胰岛素抵抗长期风险的影响，这种影响可能由肥胖介导。

MSC公司：

62-XX年 统计

关键词：

因果中介分析;二进制结果;二元介质;贝叶斯建模;多元logistic回归;敏感性分析

软件：

梅德弗莱克斯;调解;SPSS软件;超级学习者;ExactMed公司;SAS公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Caubet}等人，《计算》。统计数据分析。177，文章ID 107586，31 p.（2023；Zbl 07602501）
全文： 内政部
OA许可证

参考文献：

[1] 艾伯特·J·M。；Wang，W.，参数因果中介效应估计的敏感性分析，生物统计学，16，339-351（2015），arXiv：
[2] 巴菲尔德，R。；沈杰。；只是，A.C。；沃科纳斯，P.S。；施瓦茨，J。；Baccarelli，A.A。；VanderWeele，T.J。；Lin，X.，全基因组中介分析在零位下的间接效应测试，Genet。流行病。，41, 824-833 (2017)
[3] Caubet，M。；Samoilenko，M。；Lefebvre，G.，ExactMed:二进制结果的精确中介分析（2022），r包版本0.1.0
[4] Caubet-Fernandez，M。；Drouin，S。；Samoilenko，M。；莫雷尔，S。；Krajinovic，M。；拉维尔迪埃，C。；辛内特，D。；利维，E。；Marcil，V.公司。；Lefebvre，G.，Bayesian多元潜伏t回归模型，用于评估儿童急性淋巴细胞白血病幸存者皮质类固醇和头颅辐射暴露与心脏代谢并发症之间的关系：PETALE研究，BMC医学研究方法。，19.网址（2019）
[5] （2020年），疾病控制和预防中心，国家糖尿病统计报告
[6] 科尔，S.R。；普拉特·R·W。；Schisterman，E.F。；Chu，H。；韦斯特里奇，D。；理查森，D。；Poole，C.，《对撞机条件作用导致的偏差》，《国际流行病学杂志》。，39，417-420（2009），arXiv：
[7] 丹尼尔斯，M.J。；罗伊·J·A。；Kim，C。；霍根，J.W。；Perri，M.G.，中介因果效应的贝叶斯推断，生物计量学，681028-1036（2012），arXiv：·Zbl 1258.62037号
[8] 多雷蒂，M。；拉吉，M。；Stanghellini，E.，用二元中介体对二元结果进行精确参数因果中介分析，Stat.Methods Appl。，31, 87-108 (2022) ·Zbl 07507718号
[9] Elliott，M.R。；Raghunathan，T.E。；Li，Y.，《利用主分层与二分介质和结果进行因果中介效应的贝叶斯推断》，生物统计学，11，353-372（2010），arXiv：·Zbl 1437.62451号
[10] 恩德斯，C.K。；费尔柴尔德，A.J。；MacKinnon，D.P.，估计缺失数据的中介效应的贝叶斯方法，Multivar。行为。研究，48，340-369（2013），PMID:24039298
[11] 加尔哈雷特，J.-M。；Philippe，A.，贝叶斯调解框架与二元结果的Priors比较（2019年），HAL
[12] 盖诺，S.M。；施瓦茨，J。；Lin，X.，常见二元结果的中介分析，Stat.Med.，38，512-529（2019）
[13] Hund，L。；Bedrick，E.J。；米勒，C。；韦尔塔，G。；内兹，T。；拉蒙，S。；舒伊，C。；卡杰罗，M。；Lewis，J.，《估算纳瓦霍国家因接触铀矿和工厂废物而导致疾病风险的贝叶斯框架》，J.R.Stat.Soc.，Ser。A、 Stat.Soc.，1781069-1091（2015）
[14] Imai，K。；基尔，L。；Tingley，D.，《因果调解分析的一般方法》，《心理学》。方法，15，309-334（2010）
[15] Imai，K。；基尔，L。；Yamamoto，T.，因果调解效应的识别、推断和敏感性分析，《统计科学》。，25, 51-71 (2010) ·兹比尔1328.62478
[16] Kass，R.E。；Raftery，A.E.，Bayes factors，美国统计协会，90，773-795（1995）·Zbl 0846.62028号
[17] Kim，C。；丹尼尔斯，M。；李毅。；Milbury，K。；Cohen，L.，《因果中介的贝叶斯半参数潜在变量方法》，Stat.Med.，37，1149-1161（2018）
[18] Kim，C。；丹尼尔斯，M.J。；马库斯，B.H。；Roy，J.A.，《调解因果效应的贝叶斯非参数推断框架》，《生物统计学》，73，401-409（2017），arXiv:·Zbl 1372.62073号
[19] 兰格，T。；Vansteelandt，S。；Bekaert，M.，《估算自然直接和间接影响的简单统一方法》，《美国流行病学杂志》。，176190-195（2012），arXiv：
[20] Lindmark，A。；德卢纳，X。；Eriksson，M.，《使用不确定性区间对未观察到的直接和间接影响混淆的敏感性分析》，《医学总汇》，371744-1762（2018）
[21] 刘，Z。；沈杰。；巴菲尔德，R。；施瓦茨，J。；Baccarelli，A.A。；Lin，X.，因果中介效应的大尺度假设检验及其在全基因组表观遗传学研究中的应用，美国统计协会，1-15（0 2021）
[22] Loeys，T。；默克尔，B。；Smet，外径。；Buysse，A。；Steen，J。；Vanstelland，S.，非线性关系下的灵活中介分析：超越中介公式，多元变量。行为。研究，48，871-894（2013）
[23] MacKinnon，D.P。；洛克伍德，C.M。；Williams，J.，《间接影响的置信限：产品分布和重采样方法》，Multivar。行为。研究，39，99-128（2004），PMID:20157642
[24] 马可克斯，S。；Drouin，S。；拉维尔迪埃，C。；阿洛斯，N。；安德林格，G.U。；Bertout，L。；Curnier，D。；弗里德里希，M.G。；Kritikou，E.A。；Lefebvre，G。；利维，E。；利佩，S。；马西尔五世。；拉博森，M.-J。；劳赫，F。；Robaey，P。；Samoilenko，M。；塞根，C。；苏丹，S。；Krajinovic，M。；Sinnett，D.，《PETALE研究：儿童急性淋巴细胞白血病幸存者的晚期不良反应和生物标志物》，《儿科血液与癌症》，64，文章e26361 pp.（2017），arXiv:
[25] 米奥切维奇，M。；冈萨雷斯，O。；瓦伦特，M.J。；MacKinnon，D.P.，《贝叶斯潜在结果中介分析教程》，结构。埃克。型号。，25121-136（2018），PMID:29910595
[26] 米奥切维奇，M。；MacKinnon，D.P。；Levy，R.，《小样本研究中贝叶斯中介分析的力量》，结构。埃克。型号。，24，666-683（2017），PMID:29662296
[27] D.穆勒。；贾德，C.M。；Yzerbyt，V.Y.，《当调节被调节，调节被调节时》，J.Pers.Soc.Psychol。，89852-863（2005年）
[28] Nguyen，T.Q。；施密德，I。；Ogburn，E.L。；Stuart，E.A.，《阐明应用研究者的因果中介分析：通过三个假设和五个潜在结果进行效果识别》，《方法论》（2020年）
[29] Nuijten，M.B。；韦策尔斯，R。；Matzke，D。；多兰，C.V。；Wagenmakers，E.-J.，调解的默认贝叶斯假设检验，Behav。研究方法，47，85-97（2015）
[30] O'Brien，S.M。；邓森，D.B.，贝叶斯多元逻辑回归，生物统计学，60739-746（2004），arXiv:·兹比尔1274.62375
[31] 南帕克。；Kaplan，D.，具有同质和异质效应的组随机设计的贝叶斯因果中介分析：模拟和案例研究，Multivar。行为。研究，50，316-333（2015），PMID:26610032
[32] Pearl，J.，《直接和间接影响》（《第十七届人工智能不确定性会议论文集（2001年）》，摩根·考夫曼出版社：摩根·考夫曼出版社，美国加利福尼亚州旧金山），411-420
[33] Pearl，J.，《因果调解公式——路径和机制评估指南》，Prev。科学。，13, 426-436 (2012)
[34] 波利，E。；LeDell，E。；肯尼迪，C。；伦德尔，S。；van der Laan，M.，《超级学习者：超级学习者预测》（2021），r包版本2.0-28
[35] Rijnhart，J.J。；Twisk，J.W。；Chinapow，M.J。；de Boer，M.R。；Heymans，M.W.，《相对简单的调解模型分析方法的比较》，Contemp。临床。试验委员会。，7, 130-135 (2017)
[36] Rijnhart，J.J。；瓦伦特，M.J。；MacKinnon，D.P。；Twisk，J.W。；Heymans，M.W.，《传统和因果估计在具有二元结果和暴露-测量者交互作用的调解模型中的应用》，Struct。埃克。型号。，28, 345-355 (2021)
[37] 罗宾，J.M。；Greenland，S.，《直接和间接影响的可识别性和可交换性》，流行病学，3143-155（1992）
[38] Samoilenko，M。；布莱斯，L。；Lefebvre，G.，《比较逻辑和对数模型对二元介质和罕见二元结果进行因果调解分析：支持实践中交叉检查调解结果的证据》，Observat。螺柱，4193-216（2018）
[39] Samoilenko，M。；Lefebvre，G.，《观点：二元中介和二元结果因果中介分析中自然直接和间接影响的风险比方程——重新审视公式》，《美国流行病学杂志》。，1881201-1203（2018），arXiv：
[40] Samoilenko，M。；Lefebvre，G.，《基于参数回归的二元结果和二元中介的因果中介分析：超越结果的稀有性或共性》，美国流行病学杂志。，1901846-1858（2021），arXiv：
[41] Song，Y。；周，X。；Kang，J。；昂，M.T。；张，M。；赵伟。；李约瑟，B.L。；卡迪亚，S.L.R。；刘，Y。；Meeker，J.D。；Smith，J.A。；Mukherjee，B.，贝叶斯稀疏中介分析与自然间接影响的目标惩罚，J.R.Stat.Soc.，Ser。C、 申请。统计，70，1391-1412（2021），arXiv：
[42] Song，Y。；周，X。；张，M。；赵伟。；刘，Y。；卡迪亚，S.L.R。；A.V.D.Roux。；李约瑟，B.L。；Smith，J.A。；Mukherjee，B.，组学研究中高维因果中介效应的贝叶斯收缩估计，生物计量学，76000-710（2020），arXiv：·Zbl 1468.62407号
[43] Steen，J。；Loeys，T。；默克尔，B。；Vansteelandt，S.，Medflex：使用自然效应模型进行灵活调解分析的r包，J.Stat.Softw。，76, 1-46 (2017)
[44] Tchetgen，E.J.T。；Shpitser，I.，《因果中介分析的半参数理论：效率界限、多重稳健性和敏感性分析》，《Ann.Stat.》，第40期，第1816-1845页（2012年）·Zbl 1257.62033号
[45] Tingley博士。；山本，T。；Hirose，K。；基尔，L。；Imai，K.，《调解：因果调解分析的R包》，J.Stat.Softw。，59, 1-38 (2014)
[46] 瓦莱里，L。；VanderWeele，T.J.，《允许暴露-测量者交互作用和因果解释的中介分析：理论假设和sas和spss宏的实现》。心理学方法，心理学。方法，18，137-155（2013）
[47] VanderWeele，T.J。；Vansteelandt，S.，《关于调解、干预和和解的概念问题》，《统计界面》，第2457-468页（2009年）·Zbl 1245.62177号
[48] VanderWeele，T.J.，《因果推理中的解释：调解和互动的方法》（2015），牛津大学出版社：纽约牛津大学出版社
[49] VanderWeele，T.J。；瓦莱丽。；Ananth，C.V.，《Counterpoint：具有二元介质和结果的调解公式以及“罕见结果假设”》，美国流行病学杂志。，1881204-1205（2018），arXiv：
[50] 瓦格纳，B.D。；Kroehl，M。；甘·R。；Mikulich-Gilbertson，S.K。；萨格尔，S.D。；里格斯，P.D。；Brown，T。；斯内尔·贝根，J。；Zerbe，G.O.，《用于中介分析和置信椭圆应用的多元广义线性模型方法》，Stat.Biosci。，10, 139-159 (2018)
[51] 王，C。；胡，J。；M.J.Blaser。；Li，H.，利用高维和成分微生物组分数据评估和测试微生物因果中介效应，生物信息学，36，347-355（2019），arXiv:
[52] Wang，K.，非线性建模下对结果的直接影响和间接影响，国际生物统计杂志。，16，第20190158条pp.（2020）
[53] 威尔逊，C.L。；刘伟。；Yang，J.J。；Kang，G。；Ojha，R.P。；Neale，G.A。；Srivastava，D.K。；格尼，J.G。；哈德森，M.M。；罗宾逊，L.L。；Ness，K.K.，《儿童癌症成年幸存者中与肥胖相关的遗传和临床因素：圣裘德终身队列的报告》，《癌症》，1212262-2270（2015），arXiv:
[54] 袁，Y。；MacKinnon，D.P.，贝叶斯中介分析，心理学。方法，14301-322（2009）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不声称其完整性或完全匹配。