A spatial interference approach to account for mobility in air pollution studies with multivariate continuous treatments
多元连续空气污染暴露研究中考虑人口流动的空间干扰方法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：摘要明确研究污染暴露的因果效应，并将跨地区流动造成的相互影响建模为空间干扰。
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…
多元连续空气污染暴露研究中考虑人口流动的空间干扰方法
- 研究问题
- 当个体跨地区活动使居住地污染水平不能完整描述暴露时，如何评估多种连续空气污染暴露对健康的因果影响？
- 方法与思路
- 作者利用手机流动数据刻画跨地区暴露，将流动视为空间干扰，定义政策相关目标量并采用灵活贝叶斯方法估计。
- 材料陈述的贡献
- 摘要称，方法推导忽略流动导致的偏差表达式，讨论相对测量误差框架的益处，并应用于美国医保参保者死亡率。
- 阅读关注点
- 应核对流动数据与目标人群的匹配、干扰暴露映射及识别条件，并检查多污染物共同支持和贝叶斯模型的敏感性。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明流动估计误差或完整识别条件，也未给出效应数值。
原文摘要
We develop new methodology to improve our understanding of the causal effects of multivariate air pollution exposures on public health accounting for mobility. Typically, in environmental health studies, exposure to air pollution for an individual is assigned based on their residential address, though many people spend time in different regions with potentially different levels of air pollution. To account for this, we incorporate estimates of the mobility of individuals from cell phone mobility data to obtain a more accurate estimate of their air pollution exposure. We treat this as an interference problem, where individuals in one geographic region can be affected by exposures in other regions due to mobility into those areas. We propose policy-relevant estimands and derive expressions showing the extent of bias one would obtain by ignoring individuals' mobility. We additionally highlight the benefits of the proposed interference framework relative to a measurement error framework to account for mobility. Utilizing flexible Bayesian methodology we develop novel estimation strategies to estimate causal effects that account for this spatial spillover. Lastly, we use the proposed methodology to study the health effects of ambient air pollution on mortality among Medicare enrollees in the United States