关于疾病监测中捕获-再捕获研究的对数线性建模框架中的一些陷阱
摘要：捕获-重捕（CRC）方法是一种在流行病学研究中常用的强大工具，它可以根据来自重叠监测系统的数据，估计患病例数或潜在疾病患病率。流行病学家在分析CRC数据时，常常使用基于对数线性模型的估计方法。对数线性模型框架的流行程度主要是因为其易于获取，并且交互项可以允许数据流之间的某些类型的依赖关系。本研究通过真实数据示例和模拟研究，揭示了在CRC背景下与对数线性模型框架相关的重要陷阱。首先，我们证明对数线性模型范式具有高度排他性。也就是说，根据设计，它可以排除很多可能与观察数据一致的估计。其次，我们阐明了常用的模型选择指标（如信息准则）在选择这个设置中的最佳模型方面基本具有误导性。通过关注这些重要的警示点，以及拟合对数线性模型到CRC数据时所做的基本不可检验的依赖性假设，我们希望改善随后基于监测的CRC病例计数估算的质量和透明度。
作者：Yuzi Zhang, Lin Ge, Lance A. Waller, and Robert H. Lyles
论文ID：2306.10666
分类：Applications
分类简称：stat.AP
提交时间：2023-06-21