Statistical Inference and Sensitivity Analysis for Multiple Exposures Model

Abstract

Epidemiological research aims to investigate how multiple exposures affect health outcomes of interest, but observational studies often suffer from biases caused by unmeasured confounders. In this study, we first develop a novel sensitivity model to investigate the effect of correlated multiple exposures on the continuous health outcomes of interest. The proposed sensitivity analysis is model-agnostic, such that it can be applied to any machine learning algorithm. The range of conditional single or joint exposure effects was efficiently obtained by solving a linear programming problem with a quadratic constraint. Some strategies for reducing the input burden in the sensitivity analysis are discussed. In addition, we proposed partial dependence plot (PDP)-based sensitivity analysis to examine marginal exposure effect. Furthermore, because epidemiological studies encounter various types of target outcomes, we extend proposed sensitivity analysis to generalized linear models (GLMs) to handle them. In GLMs, the range of conditional exposure effect can be efficiently obtained by applying same algorithm with that of continuous outcome. For the range of marginal exposure effect, it can be calculated through nonlinear optimization with constraints. We demonstrate the usefulness of sensitivity analysis via numerical studies and real data application.;환경역학연구들은 다중 노출들이 건강결과에 어떻게 영향을 미치는지 조사하는 것을 목표로 한다. 그러나, 관찰 연구는 종종 측정되지 않은 교란 요인으로 인한 편향으로 인해 그 효과를 정확하게 추정하는 데에 어려움이 있다. 본 연구는 상관관계를 가지는 다중 노출들이 연속형 건강결과에 미치는 영향을 조사할 수 있게 하는 새로운 민감도 모델을 제시하였다. 제안된 민감도 분석은 모델 종류에 구애받지 않기 때문에 모든 기계학습 알고리즘에 적용할 수 있다. 본 연구에서는 조건부 단일 노출 효과와 결합 노출 효과에 대한 범위를 효율적으로 제시하는 방법을 제안한다. 제안한 방법은 일차 및 이차 제약조건 하에서 선형계획법 문제 (Linear programming)를 해결하는 것에 기반한다. 또한 제안한 민감도 분석에 필요한 입력 값을 설정하는 것에 대한 부담을 줄이기 위한 전략들이 소개된다. 이와 더불어 본 연구는 한계 노출 효과를 조사하기 위해 부분 의존도 그림 (Partial dependence plot) 기반의 민감도 분석을 제안한다. 한편 역학 연구는 다양한 유형의 건강결과를 마주하기 때문에, 제안된 민감도 분석을 이들을 다룰 수 있는 일반화 선형 모델 (Generalized linear models, GLMs)로 확장하였다. 일반화 선형 모델기반 민감도 분석에서 조건부 효과의 범위는 앞서 제안한바와 같은 선형계획법 문제를 통해 효율적으로 얻어지며, 한계 노출 효과의 경우 비선형 최적화 문제를 푸는 것을 통해 얻어진다. 시뮬레이션 데이터들에 기반한 수치 연구들과 실제 역학 데이터 적용을 통해 제안한 민감도 분석의 유용성을 보여주었다.