Inference for additive interaction under exposure misclassification
暴露误分类下的加性交互作用推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究充分病因框架中的因果协同作用，以及暴露误分类对相关交互检验的影响，因此归入因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
暴露误分类下的加性交互作用推断
- 研究问题
- 当二元暴露存在独立、非差异性误分类时，哪些二阶与三阶交互作用检验仍然有效，估计与置信区间又如何修正？
- 方法与思路
- 作者分析误分类概率受限时的交互检验，区分加性统计交互、充分病因框架中的协同作用及组合上位性，并开展功效模拟。
- 材料陈述的贡献
- 摘要称，不同检验在误分类概率不超过二分之一或四分之一时仍有效，并给出加性统计交互估计及置信区间的修正方法。
- 阅读关注点
- 应核对各概率上界对应哪种检验，独立与非差异性误分类的具体定义，以及因果交互结论需要哪些额外条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体误分类结构、因果识别条件及功效结果未说明，不能推断刊本变化。
原文摘要
Results are given concerning inferences that can be drawn about interaction when binary exposures are subject to certain forms of independent nondifferential misclassification. Tests for interaction, using the misclassified exposures, are valid provided the probability of misclassification satisfies certain bounds. Results are given for additive statistical interactions, for causal interactions corresponding to synergism in the sufficient cause framework and for so-called compositional epistasis. Both two-way and three-way interactions are considered. The results require only that the probability of misclassification be no larger than 1/2 or 1/4, depending on the test. For additive statistical interaction, a method to correct estimates and confidence intervals for misclassification is described. The consequences for power of interaction tests under exposure misclassification are explored through simulations.