Transportability of Regression Calibration with External Validation Studies for Measurement Error Correction
外部验证研究中回归校准测量误差校正的可迁移性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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要聚焦测量误差校正与暴露—健康结局关联的无偏估计，属于因果推断中效应估计与偏误问题的范畴，故选择因果推断。
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…
外部验证研究中回归校准测量误差校正的可迁移性
- 研究问题
- 摘要称，研究在暴露测量误差同时含 Berkson 型与经典型成分时，使用外部验证研究进行回归校准，其效应估计在何种条件下对暴露与健康结局的关联是无偏的。
- 方法与思路
- 作者在混合 Berkson 型与经典型测量误差过程下推导回归校准估计无偏的条件，并考察偏离可迁移性假设时估计量的偏误，通过模拟研究验证条件，并在健康专业人员随访研究中以心血管疾病风险与中等强度体力活动关联为例进行实证检验。
- 材料陈述的贡献
- 摘要称，作者给出外部验证研究回归校准无偏所需的条件，并理论证明在多数情形下即使可迁移性假设不成立，回归校准的偏误仍低于未校正的朴素方法。
- 阅读关注点
- 应核对无偏条件的推导假设与适用范围、混合误差的具体设定、偏离可迁移性时偏误比较的证明条件，以及模拟设计与实证例子的数据来源和结论是否支持摘要表述。
- 阅读边界
- 仅依据摘要，无法判断推导的完整假设、模拟的规模与表现、实证结果的具体数值，也不能据此认为该结论已获同行评审或期刊接收；该文为 arXiv 预印本，版本限制需注意。
原文摘要
In nutritional and environmental epidemiology, exposures are impractical to measure accurately, while practical measures for these exposures are often subject to substantial measurement error. Regression calibration is among the most used measurement error correction methods with external validation studies. The use of external studies to assess the measurement error process always carries the risk of introducing estimation bias into the main study analysis. Although the transportability of regression calibration is usually assumed for practical epidemiology studies, it has not been well studied. In this work, under the measurement error process with a mixture of Berkson-like and classical-like errors, we investigate conditions under which the effect estimate from regression calibration with an external validation study is unbiased for the association between exposure and health outcome. We further examine departures from the transportability assumption, under which the regression calibration estimator is itself biased. However, we theoretically prove that, in most cases, it yields lower bias than the naive method. The derived conditions are confirmed through simulation studies and further verified in an example investigating the association between the risk of cardiovascular disease and moderate physical activity in the health professional follow-up study.