A Bayesian semiparametric model for case-control studies with errors in variables
含协变量测量误差的病例对照研究贝叶斯半参数模型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：摘要研究疾病病例对照与测量误差，逻辑回归本身不足以归入经济离散选择或因果推断。
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
含协变量测量误差的病例对照研究贝叶斯半参数模型
- 研究问题
- 在病例对照研究中，当真实协变量缺失且只能观测带误差的代理变量时，如何开展贝叶斯推断并量化暴露与疾病的关系？
- 方法与思路
- 作者以灵活混合分布描述缺失协变量、观测协变量和代理变量的联合分布，构成测量误差模型，并结合逻辑回归疾病模型与数值估计。
- 材料陈述的贡献
- 摘要称，参数化疾病模型与非参数暴露模型的结合能够产生稳健且可解释的暴露效应结果，并提供相应模型与数值估计方案。
- 阅读关注点
- 应核对病例对照抽样如何进入似然、代理变量与真实暴露的关系、先验及识别条件，并区分暴露关联与因果效应的解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明识别条件、误差限制及稳健性的判据，暴露效应表述本身不能证明因果识别。
原文摘要
We develop a model and a numerical estimation scheme for a Bayesian approach to inference in case-control studies with errors in covariables. The model proposed in this paper is based on a nonparametric model for the unknown joint distribution for the missing data, the observed covariates and the proxy. This nonparametric distribution defines the measurement error component of the model which relates the missing covariates X with a proxy W. The oxymoron ‘nonparametric Bayes’ refers to a class of flexible mixture distributions. For the likelihood of disease, given covariates, we choose a logistic regression model. By using a parametric disease model and nonparametric exposure model we obtain robust, interpretable results quantifying the effect of exposure.