跳到主要内容
下载

应用于环境流行病学的个案方法:使用美国国家健康和营养检查调查(NHANES)数据集的相互作用效应的2个例子

金宝搏网站首页体积22文章编号:254（2022）引用这篇文章

摘要

简介

在基因-环境相互作用的纯案例方法中，通过用一般的“易感性因素”概念取代传统的“基因”概念，纯案例方法也可以用于环境流行病学。在敏感性因子与环境暴露独立的情况下，纯案例法可以更准确地估计相互作用效应。

方法

利用2015-2016年和2017-2018年美国国家健康和营养检查调查(NHANES)提供了环境流行病学中纯病例方法的两个分析实例:(i)血液铬水平和糖蛋白水平对白蛋白尿的负相互作用作用;(ii)血液钴水平和老年人对白蛋白尿的正相互作用作用。方法的第二部分(理论背景)总结了以前的研究中提供的唯案例方法的逻辑和方程。

结果

(i)当血铬水平(mcg/L)差异1 μg/L与血糖血红蛋白水平差异1%重合时，乘法相互作用对比度(ICRc /数控)为0.72 (95% CI 0.35 ~ 1.60)，差异无统计学意义。然而，当只分析病例时，病例仅ICR (ICR有限公司)为0.59 (95% CI 0.28 ~ 0.95)，差异有统计学意义(交互作用为负)。(ii)当血液中钴含量的1 μg/L差异和年龄的1岁差异相一致时，乘法相互作用对比度(ICR . 1)c /数控)为1.13 (95% CI 0.99-1.37)，差异无统计学意义。然而，当只分析病例时，病例仅ICR (ICR有限公司)为1.21 (95% CI 1.06-1.51)，差异有统计学意义(交互作用正向)。

讨论

讨论提出了血铬水平与血糖血红蛋白水平对白蛋白尿发生率可能存在的保护作用和血钴水平与年龄增长对白蛋白尿发生率可能存在的加重作用的理论背景和既往文献。在有病例和无病例的研究中，如果保持易感性因素与环境暴露之间的独立性假设，单病例方法可以比有病例和无病例的传统方法提供更精确的相互作用效应估计。

同行评审报告

简介

相互作用效应的估计通常在队列研究或病例对照研究中进行，使用病例和对照的信息[1，2，3.，4］．然而，只使用案例的方法可能是一种有效的替代方法，甚至在某些情况下比同时使用案例和对照信息的传统方法更有优势。

采用单例方法计算相互作用效应估计值。这种独特的方法主要用于遗传流行病学中的基因-环境和基因-基因相互作用研究[5，6，7，8］．然而，如果基因-环境相互作用中的“基因”概念可以表示一种“易感因子”，那么遗传流行病学中的“基因-环境相互作用”一词可以被环境流行病学中的“易感因子-环境暴露相互作用”所取代。

在评估易感性因素和环境暴露之间的相互作用效应方面，单病例方法比有病例和非病例的研究或传统队列/病例对照研究有2个好处[5，7，8，9，10，11，12，13］．首先是可以计算出更精确的相互作用效应估计值。二是该方法可以在没有适当控制的情况下估计交互效果。然而，这种只针对个案的方法需要敏感性因素与所研究的环境暴露之间的一个重要条件:独立性[5，14］．如果这一易感性因素和环境暴露之间的独立假设不成立，则仅病例的相互作用估计可能严重偏差于从有病例和无病例的研究中获得的相互作用效应估计。

本研究将通过各种研究类型，包括病例研究、病例研究和非病例研究，包括病例对照和队列研究，总结关于纯病例方法的所有逻辑、定义和公式。此外，本研究将处理重要的假设和这些假设之间的关系，这些假设是在纯案例方法中可靠估计相互作用效应所必需的。对于违反独立性假设的可能的纠正策略也将被处理。最后，将使用美国NHANES数据集说明纯案例方法的2个分析示例。本研究可以澄清纯病例方法的逻辑和公式，并有助于将遗传流行病学的纯病例方法应用于环境流行病学。

方法:实际数据应用- 2例

在本研究中，将提供2个使用美国国家健康和营养检查调查(NHANES)数据的分析实例(https://www.cdc.gov/nchs/nhanes/index.htm)．将使用本数据集解释应用于环境流行病学的个案方法。

血铬水平和糖血红蛋白水平对蛋白尿的预防(负)交互作用(微观和宏观)

使用NHANES 2015-2016年和NHANES 2017-2018年数据集的实验室数据。以血铬水平(mcg/L)为环境暴露变量，以糖血红蛋白水平(%)为易感因子变量。白蛋白肌酐比值(mg/g)是转归(疾病)变量。

铬水平以1.4 mcg/L作为铬水平正常与异常之间的基准点。以300 mg/g的白蛋白肌酐比值作为正常尿和白蛋白尿(微观和宏观)的基准点。微量白蛋白尿和大量白蛋白尿都被归为单一的“白蛋白尿”类别。糖蛋白水平作为连续变量，不转化为分类变量。由于糖尿病治疗(降血糖药物)可能导致混淆，所有对“服用糖尿病药物降低血糖”问题回答为“是”的受访者都被排除在分析之外。

血钴水平与年龄对白蛋白尿的加重(正)交互作用(微观和宏观)

使用NHANES 2015-2016年和NHANES 2017-2018年数据集的实验室数据和人口统计数据。以实验室数据中的血钴水平(mcg/L)作为环境暴露变量，以人口统计数据中的年龄作为易感因素变量。以实验室资料中的白蛋白肌酐比值(mg/g)作为结局变量。

钴水平设为1.8 mcg/L为正常与异常钴水平之间的立足点。以300 mg/g的白蛋白肌酐比值作为正常与蛋白尿之间的基准点。微量白蛋白尿和大量白蛋白尿都被归为单一的“白蛋白尿”类别。年龄以年为单位作为连续变量，不转化为分类变量。

计算估计

本文中使用的所有缩略语均列于表中1．首先，在第一个例子中计算与血铬水平的单位差异相关的蛋白尿概率的折叠差异的适当置信区间的估计。在第二个例子中，计算了与血钴水平的单位差异相关的蛋白尿概率的折叠差异的适当置信区间。其次，在第一个例子中计算与血糖血红蛋白水平的单位差异相关的蛋白尿概率的折叠差异的适当置信区间的估计。在第二个例子中，计算了与年龄单位差异相关的蛋白尿发生率的折叠差异的适当置信区间的估计。第三，在第一个例子中计算了与血铬水平和血糖蛋白水平的一个单位的差异相关的乘法ICR的适当置信区间的估计。在第二个例子中，计算了与血钴水平和年龄的一个单位的差异相关的乘法ICR的适当置信区间的估计值。第四，评估整个样本的血铬水平与血糖血红蛋白水平之间的独立性，包括第一个样本中的病例和非病例。在第二个例子中，评估了整个样本(包括病例和非病例)的血钴水平与年龄之间的独立性。第五，只有当第四项中提到的独立性是可信的，才计算仅使用案例的乘法ICR。 If the independence mentioned in the fourth item was not plausible, the multiplicative ICR calculated based on only cases was adjusted based on theoretical equations (multiplied by the S-E ORc /数控)．在这些步骤之后，作者得出结论，仅从案例中得到的估计是否比从案例和非案例中得到的估计更精确。

表1的缩写
全尺寸表

统计方法及软件

采用逻辑回归模型计算优势比。R软件版本为4.0.3。包“dplyr”和“data”。表’用于数据集的预处理。使用的R码在补充材料中提供一个．

方法:理论背景

基本假设:在乘法尺度上的关节和ICR

易感因素的影响与环境因素的影响之间的统计相互作用可被评价为偏离效应的乘法性或偏离效应的相加性。表格2指示一个案例和非案例的研究示例。以未暴露且无易感性(E-G-)组为参照组，计算其他3组的相对风险(RR)和优势比(OR)。

表2案例和非案例研究的一个例子
全尺寸表

易感因子与环境暴露的联合RR (RRse)可以与单独环境暴露的危险度(RRe)或单独使用易感因子的RR (RR年代)．易感因子与环境暴露的联合ORse)可以与单独的环境暴露(ORe)或单独用or表示易感性因素(or年代)．在具有加性尺度的联合RR模型中，ICR (ICRc /数控)表示偏离单个rr之和减1 (ICR)c /数控= RRse——(RR年代+ RRe1))。在流行病学文献中，这个方程被称为“相互作用导致的相对过剩风险(rei)”[15］．在具有加性尺度的联合OR模型中，ICR (ICRc /数控)表示偏离单个or之和减1 (ICR)c /数控=或se(或年代+或e1))。在具有乘法尺度的联合RR模型中，ICR (ICRc /数控)表示偏离单个rr (ICR)的乘积c /数控= RRse/ (RR年代×RRe))。在具有乘法尺度的联合或模型中，ICR (ICRc /数控)表示偏离单个ORs (ICR)的乘积c /数控=或se/(或年代×或e))。在本文中，我们仅使用联合RR或联合or模型与乘尺度来估计ICRc /数控．

单病例研究的ICR和有病例和无病例研究的ICR

表格2说明案例和非案例研究的组成。为了从上述源总体中生成仅case的数据，我们只提取Table中的“case”列3.．

表3个案研究的一个例子
全尺寸表

个案研究的ICR如下:

$ $ {\ mathrm {ICR}} _ {\ mathrm c {} \ mathrm {o}} = \压裂左{\[\压裂{\左\{\压裂{\ mathrm{一}}{\ mathrm{一}+ \ mathrm {e}} \右\}}{\左\{\压裂{\ mathrm {e}} {\ mathrm{一}+ \ mathrm {e}} \右\}}\右]}{\离开[\压裂{\左\{\压裂{\ mathrm {c}} {\ mathrm {c} + \ mathrm {g}} \右\}}{\左\{\压裂{\ mathrm {g}} {\ mathrm {c} + \ mathrm {g}} \右\}}\右]}= \离开(\压裂{\ mathrm {} \ mathrm {g}} {\ mathrm c {} \ mathrm {e}} \右)$ $
(1）

有病例和无病例研究的ICR如下:

$ $ \ kern1em{\ mathrm {ICR}} _ {\ mathrm {c} / \ mathrm{数控}}= \压裂{{\ mathrm {RR}} _ {\ mathrm{年代}\ mathrm {e}}} {{\ mathrm {RR}} _ {\ mathrm{年代}}{\ mathrm {RR}} _ {\ mathrm {e}}} = \离开(\压裂{\ mathrm {ag)}} {\ mathrm c {} \ mathrm {e}} \) \离开(\压裂{\离开(\ mathrm {c} + \ mathrm {D} \) \离开(\ mathrm {e} + \ mathrm {F} \右)}{\离开(\ mathrm{一}+ \ mathrm {B} \) \离开(\ mathrm {g} + \ mathrm {H} \右)}\右)= \离开({\ mathrm {ICR}} _ {\ mathrm c {} \ mathrm {o}} \右)左(\ \压裂{\离开(\ mathrm {c} + \ mathrm {D} \) \离开(\ mathrm {e} + \ mathrm {F} \右)}{左(\ \ mathrm{一}+ \左(mathrm {B} \) \ \ mathrm {g} + \ mathrm {H} \右)}\右)$ $
（2）

在情商。2)， (ag/ce)转换为ICR有限公司在个案研究中获得。只有几c /数控为有病例和无病例研究中计算的ICR。从情商。2)，从个案和非个案研究中获得的ICR与从个案研究中获得的ICR相等的要求如下:

$ $ \离开(\压裂{\离开(\ mathrm {c} + \ mathrm {D} \) \离开(\ mathrm {e} + \ mathrm {F} \右)}{\离开(\ mathrm{一}+ \ mathrm {B} \) \离开(\ mathrm {g} + \ mathrm {H} \右)}\右)= \ mathrm{年代}- \ mathrm {e} \ {\ mathrm{或}}_ {\ mathrm {c} / \ mathrm{数控}}= 1 $ $
（3）

方程(3.)意味着在有病例和无病例的研究中，环境暴露和易感性因素必须是独立的，因为从有病例和无病例的研究中获得的ICR与从只有病例的研究中获得的ICR相等。在方程式。（2)和(3.)时，我们应该注意到，来自病例和非病例研究的ICR与来自病例研究的ICR之间的相等并不一定需要罕见疾病假设(疾病患病率低)。

本节中的上述方程可以从逻辑模型的背景下理解，并调整了其他协变量。以下方程表示了仅限个案研究的传统逻辑回归模型:

$ $ \ mathrm{分对数}\ \ mathrm P{} \离开(\ mathrm{年代}= 1 \右)= {\ upgamma} _0 + {\ upgamma} _1 \ \ mathrm {E} $ $
（4）
$ $ {\ mathrm {ICR}} _ {\ mathrm{有限公司}}= \ exp \离开({\ upgamma} _1 \右)$ $
（5）

当E是环境暴露状态的分类或连续变量时，可以使用Eq得到交互作用效应的纯情况估计(5)．

我们还可以评估环境因素和易感性因素之间的独立性，在一项有病例和非病例的研究中，从逻辑模型的背景下使用以下方程:

$ $ \ mathrm{分对数}\ \ mathrm P{} \离开(\ mathrm{年代}= 1 \右)= {\ upeta} _0 + {\ upeta} _1 \ mathrm {E} $ $
(6）
$ $ \ mathrm{年代}- \ mathrm {E} \ {\ mathrm{或}}_ {\ mathrm {c} / \ mathrm{数控}}= \ exp \离开({\ upeta} _1 \右)$ $
(7）

根据式中提供的独立性假设(3.)，环境暴露和易感性因素在有病例人群和无病例人群中必须是独立的，因为在有病例人群和无病例人群中获得的ICR与仅在病例研究中获得的ICR相等。从逻辑模型的背景下，这意味着Eq. (7)必须包含1，且对Eq.(的点估计7)必须接近于1。

我们还可以从逻辑模型的背景下计算在有病例和无病例的人群中获得的ICR，使用以下等式:

$ $ \ mathrm{分对数}\ \ mathrm P{} \离开(\ mathrm {D} = 1 \右)= {\ upbeta} _0 + {\ upbeta} _1 \ mathrm{年代}+ {\ upbeta} _2 \ mathrm {E} + {\ upbeta} _3 \ mathrm {SE} $ $
（8）
$ $ {\ mathrm {ICR}} _ {\ mathrm {c} / \ mathrm{数控}}= \ exp \离开({\ upbeta} _3 \右)$ $
（9)

病例对照研究中的ICR

我们可以在乘数标度模型中定义病例对照研究获得的敏感性-环境ICR:

$ $ {\ mathrm {ICR}} _ {\ mathrm {cc}} = {\ mathrm{或}}_ {\ mathrm{年代}\ mathrm {e}} / \离开({\ mathrm{或}}_ {\ mathrm{年代}}\ * {\ mathrm{或}}_ {\ mathrm {e}} \右)$ $
（10）

只有几cc:病例对照研究计算的ICR。

只有几cc> 1:关节OR大于每个单独OR的乘积。

只有几cc< 1:关节OR小于每个单独OR的乘积。

只有几cc= 1:关节OR等于每个单独OR的乘积。

如果关节OR大于每个单独OR的乘积，则ICRcc会大于1。如果关节OR小于每个单独OR的乘积，则ICRcc小于1。如果联合OR与每个单独OR的乘积相同，则ICRcc将1。

单例研究的ICR和病例对照研究的ICR

为生成病例对照研究数据，从表中有病例和无病例的人群中选择每组对照组的一部分(p)4．

表4病例对照研究数据来自有病例和无病例的人群
全尺寸表

病例对照研究的ICR可计算如下:

$ $ {\ mathrm {ICR}} _ {\ mathrm {cc}} = \压裂{{\ mathrm{或}}_ {\ mathrm{年代}\ mathrm {e}}} {{\ mathrm{或}}_ {\ mathrm{年代}}{\ mathrm{或}}_ {\ mathrm {e}}} = \离开(\压裂{\ mathrm {ag)}} {\ mathrm {ce}} \) \离开(\压裂{\ mathrm {DF}} {\ mathrm {BH}} \右)= \离开({\ mathrm {ICR}} _ {\ mathrm{有限公司}}\)\离开(\压裂{\ mathrm {DF}} {\ mathrm {BH}} \右)$ $
（11）

在情商。11)， ICR之间相等的要求cc和ICR有限公司如下:

$ $ \离开(\压裂{\ mathrm {DF}} {\ mathrm {BH}} \右)= \压裂{\ mathrm {DF}} {\ mathrm {BH}} = \ mathrm{年代}- \ mathrm {E} \ {\ mathrm{或}}_ {\ mathrm{控制}}= 1 $ $
（12）

方程(12)表示为ICR之间的相等cc和ICR有限公司在对照人群中，易感因子和环境暴露必须是独立的。罕见疾病的假设也不需要这种平等。

我们还可以从逻辑模型的背景下计算病例对照研究中的ICR，使用以下等式:

$ $ \ mathrm{分对数}\ \ mathrm P{} \离开(\ mathrm {D} = 1 \右)= {\ upbeta} _0 + {\ upbeta} _1 \ mathrm{年代}+ {\ upbeta} _2 \ mathrm {E} + {\ upbeta} _3 \ mathrm {SE} $ $
（13）
$ $ {\ mathrm {ICR}} _ {\ mathrm {cc}} = \ exp \离开({\ upbeta} _3 \右)$ $
(14）

病例和非病例研究中的ICR以及病例对照研究中的ICR

ICR之间的相等cc和ICR有限公司并不意味着这两个估计不偏离从有病例和无病例人群中获得的ICR (ICRc /数控)．基于方程式。（2)和(11)，我们可以得到以下等式:

$ $ {\ mathrm {ICR}} _ {\ mathrm c {} \ mathrm {c}} = {\ mathrm {ICR}} _ {\ mathrm {c} / \ mathrm{数控}}\ \压裂{\离开(\ mathrm {DF} \右)}{\离开(\ mathrm {BH} \右)}\ \离开(\压裂{\离开(\ mathrm{一}+ \ mathrm {B} \) \离开(\ mathrm {g} + \ mathrm {H} \右)}{\离开(\ mathrm {c} + \ mathrm {D} \) \离开(\ mathrm {e} + \ mathrm {F} \右)}\右)$ $
(15）

在情商。15)，为ICR之间的相等cc和ICRc /数控时，须满足以下等式或至少满足以下两个条件中的一个:

数组$ $ {\ displaystyle \开始{}{c} \压裂{\离开(\ mathrm {DF} \右)}{\离开(\ mathrm {BH} \右)}\ \离开(\压裂{\离开(\ mathrm{一}+ \ mathrm {B} \) \离开(\ mathrm {g} + \ mathrm {H} \右)}{\离开(\ mathrm {c} + \ mathrm {D} \) \离开(\ mathrm {e} + \ mathrm {F} \右)}\右)= 1左\ \ {}\ [\ mathrm{年代}- \ mathrm {e} \ {\ mathrm{或}}_ {\ mathrm c {} \ mathrm{控制}}= \ mathrm{年代}- \ mathrm {e} \ {\ mathrm{或}}_ {\ mathrm {c} / \ mathrm{数控}}= 1 \]\ \ mathrm左{或}\ \ [\ mathrm {} \ \ mathrm{疾病}\ \ mathrm {} \ \ mathrm{罕见}\右]结束\{数组}}$ $
（16）

方程(16)表示为ICR之间的相等cc和ICRc /数控在有病例和无病例人群以及对照组中，易感因素和环境暴露必须是独立的。或者，如果疾病很罕见，Eq. (16)会很满意。在这种情况下，必须在有病例和无病例的人群中检验罕见病假设。

有病例和无病例人群的S-E独立性以及控制人群的S-E独立性:两者不能相互替代

如果我们计算Eq. (16)，我们可以发现一个重要的关系。对照组的S-E独立性与有病例和无病例人群的S-E独立性是完全不同的概念:两者不能取代另一个。

$ $ {\ mathrm {ICR}} _ {\ mathrm c {} \ mathrm {c}} = {\ mathrm {ICR}} _ {\ mathrm c {} \ mathrm {o}} = {\ mathrm {ICR}} _ {\ mathrm {c} / \ mathrm{数控}}$ $
(17)

对于第一个等号，S-E - OR控制根据Eq. (= 1)11)．

对于第二个等号，S-E - ORc /数控根据Eq. (= 1)2)．

如果这种病很罕见\ ({\ mathrm {ICR}} _ {\ mathrm {cc}} = \离开({\ mathrm {ICR}} _ {\ mathrm{有限公司}}\)\离开(\压裂{\ mathrm {DF}} {\ mathrm {BH}} \) \)根据Eq. (11),\ ({\ mathrm {ICR}} _ {\ mathrm {c} / \ mathrm{数控}}= \离开({\ mathrm {ICR}} _ {\ mathrm c {} \ mathrm {o}} \) \离开(\压裂{\ mathrm {DF}} {\ mathrm {BH}} \) \)根据Eq. (2)．

$ $ \ mathrm因此{}\ kern0.5em {\ mathrm {ICR}} _ {\ mathrm c {} \ mathrm {c}} = {\ mathrm {ICR}} _ {\ mathrm {c} / \ mathrm{数控}}\ ne {\ mathrm {ICR}} _ {\ mathrm c {} \ mathrm {o}} $ $
（18)

如果研究人员使用whether或not S-E or控制= 1而不是whether or not S-E orc /数控= 1，用于评估使用ICR的有效性有限公司而不是使用ICRc /数控，这种误用可能导致拒收有效的ICR有限公司或接受无效的ICR有限公司错误地。

在补充材料B，一个来自Gatto等人的例子[8]是针对这个问题提供的。在第一个例子中，S和E在人群中是独立的，包括病例和非病例(S-E OR)c /数控= 1)。人群的相互作用估计，包括病例和非病例(即ICR)c /数控)是2.5。只有几有限公司也是2.5。在这种情况下，S-E OR控制0.7不能为S-E OR提供可靠的估计c /数控1.0。在第二个例子中，S-E ORc /数控为2.0，表示非独立关系。只有几c /数控是1.0，但ICR有限公司是2.0。在这种情况下，S-E OR控制的1.0不能为S-E OR提供可靠的估计c /数控2.0。

罕见病假设:对于ICRcc= ICRc /数控到底是或控制=是或c /数控

罕见病假设在这个只针对病例的方法的讨论中提供了两个含义。第一个含义在式中提供。(18)．第二个含义如下:

左左(\ \(\压裂{\ (\ mathrm {c} + \ mathrm {D} \) \离开(\ mathrm {e} + \ mathrm {F} \右)}{\离开(\ mathrm{一}+ \ mathrm {B} \) \离开(\ mathrm {g} + \ mathrm {H} \右)}\右)= \)到底是或c /数控从情商。3.）\ (\ mathrm{和}\ \离开(\压裂{\ mathrm {DF}} {\ mathrm {BH}} \右)= \压裂{\ mathrm {DF}} {\ mathrm {BH}} = \)到底是或控制从情商。12）

$ $ \ mathrm{如果}\ \ mathrm {} \ \ mathrm{疾病}\ \ mathrm {} \ \ mathrm}{罕见,\ mathrm{年代}- \ mathrm {E} \ {\ mathrm{或}}_ {\ mathrm {c} / \ mathrm{数控}}= \ mathrm{年代}- \ mathrm {E} \ {\ mathrm{或}}_ {\ mathrm c {} \ mathrm{控制}}= \离开(\压裂{\ mathrm {DF}} {\ mathrm {BH}} \右)$ $
(19)

在本小节中，我们将讨论第二个含义。方程(20.)表示S-E OR之间的关系控制到底是或c /数控［8］．

$ $ \ mathrm{年代}- \ mathrm {E} \ {\ mathrm{或}}_ {\ mathrm c {} \ mathrm{控制}}= \ mathrm{年代}- \ mathrm {E} \ {\ mathrm{或}}_ {\ mathrm {c} / \ mathrm{数控}}\ * \离开(\压裂{\离开(\压裂{1}{\ mathrm p{} \离开(\ mathrm {D} | \ mathrm{年代}- \ mathrm {E} - \右)}1 \)\ \倍左(\压裂{1}{\ mathrm p{} \离开(\ mathrm {D} | \ mathrm{年代}- \ mathrm {E} - \右)}- {\ mathrm {RR}} _ {\ mathrm {SE}} \右)}{\离开(\压裂{1}{\ mathrm p{} \离开(\ mathrm {D} | \ mathrm{年代}- \ mathrm {E} - \右)}- {\ mathrm {RR}} _ {\ mathrm {G}} \) \ *左(\ \压裂{1}{\ mathrm p{} \离开(\ mathrm {D} | \ mathrm{年代}- \ mathrm {E} - \右)}- {\ mathrm {RR}} _ {\ mathrm {E}} \右)}\右)$ $
(20)

在Gatto等人。[8，作者使用Eq. (20.)进行敏感性分析(补充材料C)．这篇文章评估了人群中疾病的基线风险(p(D|S- e -))的影响和S (RR -)的独立效应年代)在S-E OR上控制当S-E ORc /数控是1.0。在补充材料C，患病的基线风险在0.1至6%之间。如补充材料所示CS-E OR控制类似于S-E ORc /数控当疾病的基线风险(p(D|S- e -))低于1%，且S的独立效应相对较低(RR年代< 2.5)。然而，当疾病的基线风险接近3%时，S-E OR控制开始偏离东南或线c /数控1.0。当易感性因素的独立效应增加时，这种情况会恶化。

独立性的违背:混杂因素和亚种群依赖性

当个体根据其易感因子改变其环境暴露时，就会发生S与E之间独立性的侵犯。这种违反主要是由于两个因素:(i)混杂因素和(ii)亚种群依赖性。

盖托等人。[8提供2个混淆词的例子。在补充材料的第一个例子中D在补充材料的第二个例子中，家族史是一个混杂因素D对酒精的不良反应在易感因素与环境暴露之间起中介作用。对于这两个例子，正乘法交互作用(ICR有限公司的> 1)将偏向于null (ICR有限公司≈1)，因为C导致S和E之间的整体负相关。

如果可以调整这些协变量，则可以恢复S和E之间的独立性。

$ $ \ mathrm{分对数}\ \ mathrm P{} \离开(\ mathrm{年代}= 1 \右)= {\ upgamma_0} ^ {'} + {\ upgamma_1} ^ {} \ mathrm {E} + {\ upgamma_2} ^ {} \ mathrm {C} $ $
(21）
$ $ \ mathrm{调整}\ {\ mathrm {ICR}} _ {\ mathrm{有限公司}}\离开(\ mathrm{调整}\ \ mathrm的{}\ \ mathrm{协变量}\ \ mathrm C{} \右)= \ exp \离开({\ upgamma_1} ^{} \右)$ $
(22)

但是，由于调整具有S-E依赖性的不相关协变量会损失一定的自由度，降低ICR的精度，因此需要谨慎处理有限公司［8］．

侵犯独立性的另一个来源是对一个子群体的隐性依赖。王等人。[9为这个问题提供了一个唯一的解决方案，提供了以下公式(9)：

$ $ \ mathrm {CIR} = {\ mathrm {r}} _ {\ mathrm{年代}\ mathrm {E}} \ \ mathrm {\ *} \ {\ mathrm{简历}}_ {\ mathrm{年代}}\ \ mathrm {\ *} \ {\ mathrm{简历}}_ {\ mathrm {E}} + 1 $ $
(23）

CIR:混杂相互作用比。rSE: S与e的相关系数年代:易感性因素流行率的变化。简历E:环境暴露流行率的变化。

$ $ {\ mathrm {CIR}} _ {\ mathrm{你}}= \压裂{\√6 {\ upupsilon_ {\ mathrm{年代}}{\ upupsilon} _ {\ mathrm {E}}} \ *{\左\√{\ upupsilon_ {\ mathrm{年代}}{\ upupsilon} _ {\ mathrm {E}}} + 1 \右)}^ 2}{左\ \√{\ upupsilon_ {\ mathrm{年代}}{\ upupsilon} _ {\ mathrm {E}}} + {\ upupsilon} _ {\ mathrm{年代}}\右)左\ \√{\ upupsilon_ {\ mathrm{年代}}{\ upupsilon} _ {\ mathrm {E}}} + {\ upupsilon} _ {\ mathrm {E}} \右)}\通用电气1,{\ mathrm {CIR}} _ {\ mathrm {L}} = \压裂{1}{\ mathrm{你}}\勒1 $ $
(24）

圆形的U: CIR的上界，CIRl: CIR的下界，υ年代（υ年代≥1):各层最大与最小磁化率比值之比。υE（υE≥1):各地层最大与最小暴露频率比值之比。

在情商。23)， CIR为原油ICR的比值c /数控没有ICR的分层c /数控与分层。根据上式，(i)如果暴露流行率和易感频率比值在所有层间不相关(r)，则不存在群体分层偏差(CIR =1)西文= 0)， (ii)暴露流行率比值(CVE= 0)，或(iii)易感频率比值(CV年代= 0)。

在情商。24)，υ年代（υ年代≥1)为最大磁化率概率与最小磁化率概率之比，且υE（υE≥1)表示人群中所有阶层中最大的暴露患病率与最小的暴露患病率之比。如果在易感频率概率中没有变化(υ年代= 1)或暴露流行率(υE= 1)时，根据式(U = L = 1)不存在偏差(24)．如果我们能计算总体的CIR，我们就能计算ICRc /数控与分层。

对于S-E独立性的侵犯，研究人员通常会根据他们的主题知识来评估潜在的混杂因素。然而，对于亚群体依赖，应关注整个研究人群和分层，而不是寻找一个混杂因素。使用个案研究方法的研究人员应该记住这一重要区别。

从只考虑个案的方法中获得的效率

与包含病例和非病例的研究设计相比，纯病例方法可以计算出更精确的交互效应估计(即具有更窄的置信区间)，如队列/病例对照研究方法可以做到[16］．

在方程式。（8)和(9),表2的渐近方差\ ({\ upbeta} \ \帽子)3.在有病例和无病例的人群中情况如下:

$ $ \ mathrm {Var} \离开({\ upbeta}}{\帽子_3 \右)= \压裂{1}{}+ \压裂{1}{B} + \压裂{1}{c} + \压裂{1}{D} + \压裂{1}{e} + \压裂{1}{F} + \压裂{1}{g} + \压裂{1}{H} $ $
(25）

在方程式。（13)和(14),表4的渐近方差\({\眉题{\眉题{\ upbeta}}} _3 \)病例对照研究结果如下:

左($ $ \ mathrm {Var} \ \眉题{\眉题{\ upbeta_3}} \右)= \压裂{1}{}+ \压裂{1}{b} + \压裂{1}{c} + \压裂{1}{d} + \压裂{1}{e} + \压裂{1}{f} + \压裂{1}{g} + \压裂{1}{h} $ $
（26)

在方程式。（4),情商。5),表3.的渐近方差\(\帽子伽马}{\ \)1在个案研究中，结果如下:

$ $ \ mathrm {Var} \离开({\帽子{y}} _1 \右)= \压裂{1}{}+ \压裂{1}{c} + \压裂{1}{e} + \压裂{1}{g} $ $
(27）

比较情商。27用方程式)。（25)和(26)，单例设计能够提供比病例对照或队列设计(有病例和非病例的研究设计)更窄的置信区间估计值。这种效率增益来自于敏感性因子与环境暴露(S-E OR)之间的独立性假设c /数控= 1)。

要考虑的方法问题

在应用纯个案方法估计易感因子和环境接触之间的相互作用效应时，必须考虑几个问题。首先，与病例对照研究一样，病例选择过程必须遵循典型的病例选择规则。其次，研究人员必须在有病例和无病例的人群中验证易感性特征与环境暴露之间的独立性，以替代ICR有限公司在ICR的单例设计中计算c /数控在有病例和无病例的人群中计算(根据等式。（2)和(3.))。如果存在易感因子与环境暴露之间关联的证据，计算的S-E ORc /数控必须用来纠正ICR吗有限公司将其乘以，如式所示(2)．第三，对于各种易感性因素和环境暴露，独立假设似乎是合理的。然而，一些敏感因素可以改变环境暴露的可能性。在应用纯例方法之前，必须发现这个隐藏的关联。最后，相互作用效应估计(ICR有限公司)只能被解释为背离了乘法效应，而不是背离了相加效应。然而，根据以往的流行病学文献，加性相互作用更接近于机械的生物相互作用效应，而不仅仅是统计的相互作用效应[17，18］．尽管如此，由于几个实际原因，目前学术界的研究人员经常使用乘法量表来估计交互效应[18］．当应用本研究的结果时，应考虑到这一限制。

总结

总之，当在有病例和无病例的人群中，易感性因素和环境暴露是独立的时，仅病例方法可以成功地应用于环境流行病学。通过这种方法，可以计算出更精确的相互作用效应估计。

结果

数据集的基本信息和每个变量的描述性分析

通过结合“白蛋白和肌酐-尿”、“铬和钴”、“糖蛋白”和“人口统计学变量和样本权重”数据文件，创建了一个包含7286名受试者的数据集。在第一个分析例子中，对“服用糖尿病药片降低血糖”的问题回答为“是”的受访者被排除在外(5890名受试者)。之后，只有1396名受试者被纳入研究。对于第二个分析示例，包含了所有主题(创建的7286个主题)。主要变量的描述性分析结果见表5．

表5各变量的描述性分析
全尺寸表

血铬水平和糖血红蛋白水平对蛋白尿的负交互作用(微观和宏观)

作为第一个例子，Table6提供了应用纯病例方法(将在第一个讨论部分解释)评估血铬水平和糖血红蛋白水平对蛋白尿的相互作用的顺序过程。所有这些顺序过程都遵循第2.3小节中所述的顺序过程:(i)首先，血液铬水平差异1 μg/L会导致蛋白尿发生率的倍数差异为2.20倍(95% CI 1.48-3.32)。(ii)其次，血糖血红蛋白水平的1%差异导致蛋白尿发生率的倍性差异为1.57倍(95% CI 1.44-1.73)。(iii)再次，当1 μg/L的血铬水平差异与1%的血糖蛋白水平差异重合时，乘法相互作用对比度(ICR)为0.72 (95% CI 0.35 ~ 1.60)，差异无统计学意义。(iv)第四，在病例和非病例人群中，血液铬水平和血糖血红蛋白水平是相互独立的(S-E OR)c /数控: 0.76 (95% ci 0.47-1.06))。因此，纯病例ICR可以很好地替代从有病例和无病例人群中获得的ICR。(v)最后，当只分析病例(纯病例方法)时，纯病例ICR为0.59 (95% CI 0.28-0.95)，具有统计学意义(交互效应为负)。

表6第一个和第二个例子中仅用大小写的方法的应用
全尺寸表

在本例中，环境暴露(血液铬水平)和易感因素(血糖血红蛋白水平)在病例和非病例人群中是独立的。因此，只有病例的ICR本身可以用作从有病例和无病例的人群中获得的ICR，无需转换。(这将在第一个讨论部分详细解释。)然而，从有病例的人群中获得的ICR，而非病例的ICR由于相对较宽的置信区间，在统计学上是不显著的。这一问题通过应用case-only方法得到了解决，产生了略有下降的ICR，具有统计学意义(较窄的置信区间)。血液铬水平和血糖血红蛋白水平之间可能的保护性(负性)相互作用作用可以从这个例子中推断出来。

血钴水平与年龄对白蛋白尿的正向交互作用(微观和宏观)

作为第二个例子，Table6提供了应用纯病例方法估计血钴水平和年龄对蛋白尿的交互作用的顺序过程。所有这些顺序过程均遵循2.3小节中所述的顺序过程:(i)首先，血钴水平差异1 μg/L导致尿白率的倍数差异为1.09倍(95% CI 0.98-1.20)，无统计学意义。(ii)其次，1岁的年龄差异导致蛋白尿发生率的叠倍差异为1.05倍(95% CI 1.04-1.05)。(iii)第三，当血钴浓度(mcg/L)差异1 μg/L与年龄差异1岁重合时，乘法ICR为1.13 (95% CI 0.99-1.37)，差异无统计学意义。(iv)第四，在有病例和无病例人群中，血钴水平与年龄呈轻微相关性，并非完全独立(S-E OR)c /数控: 1.06 (95% ci 1.03-1.10))。因此，只有case的ICR必须乘以S-E ORc /数控是只有几c /数控根据Eq. (2)．(v)最后，当只分析病例时(仅case-only方法)，仅case-only ICR为1.14(1.03-1.37)，具有统计学意义(交互作用为正)。(vi)乘以S-E ORc /数控的只有几有限公司计算,只有几有限公司-调整后的结果为1.21 (95% CI 1.06-1.51)。

在本例中，环境暴露(血钴水平)和易感因素(年龄)在有病例和无病例人群中不是独立的。因此，只有case的ICR必须乘以S-E ORc /数控制作ICRc /数控根据Eq. (2)．从有病例人群和无病例人群中获得的ICR在统计学上具有模糊性(1.13 (95% CI 0.99-1.37))。但是，通过应用仅限大小写的方法，ICR有限公司-校正后ICR略高，具有统计学意义(1.21 (95% CI 1.06-1.51)。因此，从这个例子中可以推断出血钴水平和年龄之间可能存在加重(正)的相互作用效应。

讨论

以前的许多研究处理了纯案例方法的各个方面，通常是在基因-环境相互作用研究或基因-基因相互作用研究的背景下[5，7，9，11，14］．一些研究比较了纯病例ICR与病例对照设计的ICR，而另一些研究比较了纯病例ICR与有病例和无病例人群的ICR。本研究结合以往所有文献，系统地组织所提供的逻辑和方程式。通过这一努力，可以建立纯病例设计中的ICR的各种定义和方程，并将其与有病例和无病例人群中的ICR进行比较(队列/病例对照研究)。这一系统的组织来自3个研究设计的概念是本研究的原始贡献。

此外，本研究将通常用于基因-环境相互作用或基因-基因相互作用研究的个案研究方法扩展到更一般的易感性因素与环境暴露之间的相互作用效应估计概念。如果满足了易感性因素和环境暴露之间的独立假设，即使“基因”被“易感性因素”取代，也可以应用相同的方程。因此，个案研究方法也可以应用于环境流行病学。

血铬水平和糖血红蛋白水平对蛋白尿的预防(负)交互作用(微观和宏观)

铬对肾功能的不良影响在以前的一些文献中有报道[19，20.］．糖蛋白水平≥6.5%是糖尿病的诊断标准，与糖尿病肾病自然相关[21］．白蛋白尿，包括微量白蛋白尿和大量白蛋白尿，一直被用作肾脏损伤的有用初始标记物和与进展性肾脏疾病风险增加有关的标记物[22，23］．然而，越来越多的报道称，铬暴露与糖尿病慢性肾脏疾病之间的相互作用可能具有保护性相互作用，其基础是改善糖耐量和胰岛素敏感性[24，25，26，27，28］．

本研究结果很好地说明了血铬水平(环境暴露)和血糖蛋白水平(易感因子)对蛋白尿状况(结局)的保护作用。这种铬对糖尿病肾病患者的相互作用保护作用可用于建立未来糖尿病肾病的有效治疗策略。例如，一项研究报告了为糖尿病慢性肾病患者开具纳米铬金属有机框架可能产生的积极影响[24］．

血钴水平与年龄对白蛋白尿的加重(正)交互作用(微观和宏观)

血钴水平对肾功能的影响尚未确定，只有少数研究报告了可能的不良影响，主要是在实验动物中[29］．然而，衰老对肾功能下降的影响是相对确定的[30.，31］．此外，衰老的肾脏易受各种有毒物质的影响，这一事实已通过大量研究而众所周知。32，33，34，35］．从这些证据中，我们可以推断，衰老的肾脏可能更容易受到钴可能的毒性作用的影响，即使它对年轻的肾脏几乎是无毒的。

本研究结果很好地说明了老化肾脏对钴暴露(环境暴露)的毒性敏感特征(敏感因子)。作为肾脏损伤的标志，老年受试者中蛋白尿的比例更大。这项研究的结果可用于为接触重金属(如钴)可能性增加的老年人制定保护性环境健康战略。

结论

本研究系统地总结了以往报道的纯案例方法的逻辑和方程。特别是，相关的定义和方程从队列和病例对照(有病例和非病例的研究设计)到病例研究进行了集体总结。通过用来自环境流行病学的“易感性因素”概念取代来自遗传流行病学的传统“基因”概念，本研究扩大了仅病例方法对广泛环境健康主题的适用性。如果在有病例和无病例的人群中保持易感性因素和环境暴露之间的独立性假设，这种仅病例的方法可以提供比有病例和无病例的研究设计(队列/病例对照研究)更精确的相互作用效应估计。最后，对使用美国NHANES数据集的纯案例方法的2个分析实例进行了说明。血铬水平与血糖血红蛋白水平之间的相互作用保护作用以及血钴水平与年龄增长之间的相互作用加重对蛋白尿发生率的作用，必须在今后的研究中仔细研究。总之，个案方法不仅在遗传流行病学中是一种有用的方法，而且在环境流行病学中也是一种有用的方法。

数据和材料的可用性

本文所使用的所有数据均载于“国家健康与营养调查”网页(https://wwwn.cdc.gov/nchs/nhanes/)．

参考文献

  1. 克莱顿D，麦基格PM。研究复杂疾病中基因和环境因素的流行病学方法。柳叶刀》。2001;358(9290):1356 - 60。

    中科院文章谷歌学者

  2. Hogan MD, Kupper LL, Most BM, Haseman JK。在队列研究中评估协同作用(或拮抗)的罗斯曼方法的替代方案。中华流行病学杂志1978;108(1):60-7。

    中科院PubMed谷歌学者

  3. Knol MJ, Egger M, Scott P, Geerlings MI, Vandenbroucke JP。当一个依赖于另一个时:病例对照和队列研究的相互作用报告。流行病学。2009;20:161-6。

    文章谷歌学者

  4. 在病例对照研究中，交互作用与相加性的背离:一个警示。中华流行病学杂志2003;158(3):251-8。

    文章谷歌学者

  5. Dennis J, Hawken S, Krewski D, Birkett N, Gheorghe M, Frei J，等。应用于基因-环境和基因-基因相互作用研究的个案设计偏差:系统综述和荟萃分析。国际流行病学杂志，2011;40(5):1329-41。

    文章谷歌学者

  6. 范德威勒TJ, Hernández-Díaz S, Hernán MA。仅限个案的基因-环境相互作用研究:何时关联意味着机械性相互作用?麝猫论文。2010;34(4):327 - 34。

    文章谷歌学者

  7. 李东，孔迪DV。使用单一病例和病例对照相结合的方法检测基因-环境相互作用。中华流行病学杂志2009;169(4):497-504。

    文章谷歌学者

  8. Gatto NM, Campbell UB, Rundle AG, Ahsan H.评估基因-环境相互作用的个案设计的进一步发展:偏见的评估和调整。国际流行病学杂志2004;33(5):1014-24。

    文章谷歌学者

  9. 王丽艳，李文昌。基因-环境相互作用的个案研究中的群体分层偏差。中华流行病学杂志2008;168(2):197-201。

    文章谷歌学者

  10. 陈晓燕，陈晓燕，陈晓燕，等。基因-环境相互作用鉴定的个案设计局限性。中华流行病学杂志2001;154(8):687-93。

    中科院文章谷歌学者

  11. 杨问，Khoury MJ，孙F，弗兰德斯WD。单例设计，以测量基因-基因相互作用。流行病学,1999;10(2):167 - 70。

    中科院文章谷歌学者

  12. Schmidt S, Schaid DJ。评估基因-环境相互作用的个案研究可能被误解。中华流行病学杂志1999;150(8):878-85。

    中科院文章谷歌学者

  13. koury MJ，弗兰德斯WD。基因环境相互作用分析中的非传统流行病学方法:无对照的病例对照研究!中华流行病学杂志1996;144(3):207-13。

    中科院文章谷歌学者

  14. 戴建勇，梁长杰，LeBlanc M, Prentice RL, Janes H.相对风险量表上识别治疗效果预测标记的个案研究方法。生物识别技术,2018,74(2):753 - 63。

    文章谷歌学者

  15. Richardson DB, Kaufman JS。交互作用下的相对超额风险估计及相关置信度。中华流行病学杂志2009;169(6):756-60。

    文章谷歌学者

  16. Piegorsch WW, Weinberg CR, Taylor JA。在基于人群的病例对照研究中评估易感性的非分级logistic模型和仅限病例设计。统计医学。1994;13(2):153 - 62。

    中科院文章谷歌学者

  17. Rothman KJ, Greenland S, Lash TL。现代流行病学。第三版。费城:利平科特·威廉姆斯和威尔金斯;2008.

    谷歌学者

  18. 范德韦勒TJ, Knol MJ。关于交互的教程。论文方法。2014;3(1):33 - 72。

    文章谷歌学者

  19. 蔡铁龙，郭春春，潘文华，钟玉涛，陈春燕，吴天宁，等。铬暴露导致的肾功能下降在铅和镉的共同暴露下会加剧。肾脏Int。2017;92(3):710 - 20。

    中科院文章谷歌学者

  20. Wedeen RP, Qian LF。Chromium-induced肾病。《环境健康展望》，1991;92:71-4。

    中科院PubMed公共医学中心谷歌学者

  21. 协会广告。2.糖尿病的分类和诊断:糖尿病医疗护理标准- 2019。糖尿病护理2019;42(增刊1):S13-28。

    文章谷歌学者

  22. Levey AS, Becker C, Inker LA。成人急性和慢性肾脏疾病的肾小球滤过率和白蛋白尿检测和分期:一项系统综述。《美国医学协会杂志》上。2015年,313(8):837 - 46所示。

    中科院文章谷歌学者

  23. 蛋白尿是CKD患者的一个合适的治疗靶点:专业观点。中华临床杂志。2015;10(6):1079-88。

    中科院文章谷歌学者

  24. Fakharzadeh S, Kalanaky S, Argani H, Dadashzadeh S, Torbati PM, Nazaran MH，等。纳米铬金属有机骨架对实验性糖尿病慢性肾病的改善作用。药物开发法案2021;82(3):393-403。

    中科院文章谷歌学者

  25. 黄辉，陈刚，董颖，朱颖，陈浩。铬补充辅助治疗2型糖尿病:综合分析结果。Mol Nutr Food Res. 2018;62(1):1700438。

    文章谷歌学者

  26. 尹荣荣，冯玉杰。补充铬对糖尿病患者糖化血红蛋白及空腹血糖的影响。减轻j . 2015; 14(1): 1 - 9。

    中科院文章谷歌学者

  27. Lewicki S, Zdanowski R, Krzyzowska M, Lewicka A, Debski B, Niemcewicz M，等。铬III在机体中的作用及其在糖尿病和肥胖治疗中的可能用途。中国农业环境医学杂志2014;21(2):331-5。

    中科院文章谷歌学者

  28. Sahin K, Onderci M, Tuzcu M, Ustundag B, Cikim G, Ozercan İH，等。铬对2型糖尿病大鼠模型碳水化合物和脂质代谢的影响:脂肪喂养，链脲佐菌素治疗的大鼠。新陈代谢。2007;56(9):1233 - 40。

    中科院文章谷歌学者

  29. 六胺钴(III)氯化物对小鼠肝脏和肾脏的毒性作用:氧化应激的暗示。药物化学与毒理。2009;32(3):293-9。

    中科院文章谷歌学者

  30. Wetzels JFM, Kiemeney LALM, Swinkels DW, Willems HL, Heijer MD。白种人GFR估计值的年龄和性别参照值:奈梅亨生物医学研究。肾脏Int。2007;72(5):632 - 7。

    中科院文章谷歌学者

  31. Coresh J, Astor BC, Greene T, Eknoyan G, Levey AS。美国成年人口中慢性肾脏疾病和肾功能下降的患病率:第三次全国健康和营养检查调查中华肾脏杂志2003;41(1):1 - 12。

    文章谷歌学者

  32. 王晓霞，王晓燕，王晓燕。衰老肾脏对肾毒性的易感性增加。国际分子生物学杂志，2014;15(9):15358-76。

    文章谷歌学者

  33. 老年人急性肾损伤易感性的发病机制。中国老年医学杂志2009;2(2):158-64。

    中科院文章谷歌学者

  34. Schmitt R, Cantley LG。衰老对肾脏修复的影响。中国生物医学工程学报。2008;29(6):669 - 672。

    中科院文章谷歌学者

  35. 叶尔基奇M，伏伊伏迪克S, López-Novoa JM。老年人肾脏对有毒物质易感性增加的机制。中华泌尿外科杂志2001;32(4):539-47。

    文章谷歌学者

下载参考

致谢

作者感谢审稿人对本研究的评论。(评论1号和大卫·m·汤普森)。特别是大卫·m·汤普森的评论对提高初稿的质量和逻辑有很大帮助。这项工作得到INHA大学研究基金的支持。

资金

这项研究没有从公共、商业或非营利部门的资助机构获得任何具体的资助。

作者信息

作者和联系

  1. 首尔国立大学公共卫生研究生院环境健康科学系，首尔冠岳区冠岳路1号，韩国首尔08826

    Jinyoung月球

  2. 仁荷大学医院职业与环境医学部，韩国仁川中区仁荷路27号，邮编22332

    Jinyoung Moon & Hwan-Cheol Kim

  3. 仁荷大学医学院社会和预防医学系，韩国仁川米修湖区仁路100号，22212

    Hwan-Cheol金

作者
  1. Jinyoung月球
    看来作者出版物

    您也可以在中搜索这个作者PubMed谷歌学者

  2. Hwan-Cheol金
    看来作者出版物

    您也可以在中搜索这个作者PubMed谷歌学者

贡献

概念化，方法论，调查，资源，数据策划，软件，验证，形式分析，写作-原始草稿，可视化。Hwan-Cheol Kim:写作-审查和编辑，监督，项目管理。作者(们)阅读并批准了最终稿。

相应的作者

对应到Hwan-Cheol金．

道德声明

伦理批准和同意参与

这项研究仅使用了公开的国家健康和营养调查(NHANES)数据集。这些数据集可于NHANES的网页(https://www.cdc.gov/nchs/nhanes/index.htm)．有关数据集，有关伦理检讨委员会(雇员再培训局)批准的资料可在https://www.cdc.gov/nchs/nhanes/irba98.htm．

作者证实，所有实验都是按照《赫尔辛基宣言》进行的。

同意出版

不适用。

相互竞争的利益

作者没有潜在的竞争利益需要披露。

额外的信息

出版商的注意

188博金宝app网施普林格自然对出版的地图和机构附属的管辖权要求保持中立。

补充信息

补充文件1:补充材料A。

采用R编码进行统计分析。补充材料B。对照组的S-E独立性不能用病例和非病例替代人群的S-E独立性[1]。补充材料C。S-E OR之间的相等需要多强的罕见病假设c /数控到底是或控制[1]。补充材料D。违反独立性:混淆器[1]。

权利和权限

开放获取本文遵循创作共用署名4.0国际许可协议(Creative Commons Attribution 4.0 International License)，该协议允许在任何媒体或格式中使用、分享、改编、分发和复制，只要您给予原作者和来源适当的署名，提供创作共用许可协议的链接，并说明是否有更改。本文中的图片或其他第三方材料包含在文章的创作共用许可中，除非在材料的信用额度中另有说明。如果材料不包含在文章的创作共用许可中，并且您的预期用途不被法律法规允许或超出了允许的用途，您将需要直接从版权所有者那里获得许可。欲查看此许可证的副本，请访问http://creativecommons.org/licenses/by/4.0/．创作共用公共领域奉献放弃书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文提供的数据，除非在数据的信用额度中另有说明。

再版和权限

关于这篇文章

通过CrossMark验证货币和真实性

引用这篇文章

Moon, J.， Kim, HC。应用于环境流行病学的个案方法:使用美国国家健康和营养检查调查(NHANES)数据集的相互作用效应的2个例子。BMC医学治疗方法22254(2022)。https://doi.org/10.1186/s12874-022-01706-6

下载引用

  • 收到了：

  • 接受：

  • 发表：

  • DOI：https://doi.org/10.1186/s12874-022-01706-6

关键字

  • 欢迎的方法
  • 环境流行病学
  • 相互影响
  • 独立的假设
  • 全国健康和营养检查调查
  • 敏感性因素
  • 环境暴露

金宝搏网站首页

ISSN: 1471 - 2288

联系我们