暴露于较低浓度的空气污染对美国医疗保险参与者和脆弱亚群体的死亡率的长期影响：一种双重稳健的方法思维导图

小柴奶黄包

2024-08-31

浏览量: 1

空气污染

脆弱群体

死亡率

研究目的，研究方法，研究结果等内容讲解

树图思维导图提供《暴露于较低浓度的空气污染对美国医疗保险参与者和脆弱亚群体的死亡率的长期影响：一种双重稳健的方法》在线思维导图免费制作，点击“编辑”按钮，可对《暴露于较低浓度的空气污染对美国医疗保险参与者和脆弱亚群体的死亡率的长期影响：一种双重稳健的方法》进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：646c64ca90fb5d70d28fec9b307d271d

思维导图大纲

研究目的

本研究旨在使用双重稳健因果建模技术，考察长期暴露于较低浓度的空气污染物（PM2.5、NO2 和 O3）与美国医疗保险（Medicare）参保者的死亡率之间的关系，特别是针对在整个随访期间仅暴露于较低浓度污染物的人群。

研究方法

数据获取

全国队列性研究

以美国 2000 年初至 2016 年底期间年满 65 岁并参加 Medicare 的患者为研究对象

空气污染物暴露估计

基于卫星测量、土地利用数据、气象数据和化学传输模型提取预测变量，包括随机森林、梯度提升机和神经网络三种机器学习算法，并将其放入地理加权广义加性模型，以在 2000 - 2016 年期间以 1 km² 的空间尺度对美国本土进行每日预测。

通过对每日预测值求平均获得年平均值，并将网格单元聚合到邮政编码级别，根据个人每年的居住邮政编码分配暴露水平。

使用暖季O3；对于 PM2.5，将阈值设为 12 µg/m³；对于 NO2，最大推荐浓度为 53 ppb，并且排除每种暴露的最低 3% 数据（使结果更准确）

低于美国法规推荐的最大浓度的个体

使用10倍交叉验证进行验证

协变量评估

个体层面变量

包括年龄、性别、种族和医疗补助资格（低收入者的补充保险）

邮政编码层面变量

从美国十年一次人口普查和美国社区调查生成的数据中获取（2000年、2010年、2011年、2012年、2013年、2014年、2015年），其余年份的值通过插值获得

具体变量包括人口密度、65 岁以上生活在贫困线以下人口比例、住房自有率、住房价值中位数、家庭收入中位数、黑人人口比例、西班牙裔人口比例、未高中毕业的老年人口比例

进一步从行为风险因素监测系统中获取县级层面的人口吸烟率和平均体重指数信息

使用达特茅斯健康图集来获取受益人中一年内至少进行一次血红蛋白 A1c 检测的比例、65 岁以上糖尿病患者一年内进行血脂检测的比例、一年内进行眼科检查的比例、一年内至少进行一次门诊就诊的比例以及女性受益人两年内进行rufang X 光检查的比例

从联邦医疗保险提供者分析和审查（MEDPAR）数据集的住院数据中获得了关于人群中肺癌发病率的信息

包括美国人口普查定义的居住区域划分以及到最近医院的距离信息，距离通过 2010 年 ESRI 数据中邮政编码质心到最近设施的距离计算

使用 gridMET 数据集提供的每日估计气象参数确定温度水平，并聚合到邮政编码和年份，分为暖季（4 - 9 月平均温度）和冷季（1 - 3 月及 10 - 12 月平均温度）变量

统计分析

双重稳健方法

通过倾向匹配得分和结果回归两种机制考虑混杂因素

计算稳定化的逆概率权重（IPW），分子为仅含截距的线性回归得到的暴露概率密度函数，分母为包含所有连续混杂因素二次项的线性回归得到的给定协变量下的暴露概率密度函数

然后运行线性概率模型估计给定协变量和暴露下的死亡概率，模型中暴露变量为关注的空气污染物（PM2.5、NO2 和 O3），协变量向量包括三次项的其他污染物、温度变量、年龄和家庭收入中位数等，方程通过上一步计算的权重加权。对每种暴露，在 IPW 和结果回归中均调整其他两种污染物。使用稳健标准误差考虑异方差性。

通过公式计算每年可归因于暴露的病例数，由于使用线性概率模型，回归模型估计的是死亡风险的绝对变化

单污染物分析和亚组分析

进行单污染物分析以作对比

通过按医疗补助资格、种族、性别、年龄组、人口密度四分位数、西班牙裔人口比例和家庭收入中位数进行分层，以确定易受潜在环境公正问题影响的脆弱亚组，并分析效应测量修正（EMM）

敏感性分析

计算 E 值以确定未测量混杂因素需要与暴露和结局有多大强度的关系才能使效应估计变为零，从而判断分析对未测量混杂因素的稳健性

在倾向匹配得分模型中添加所有连续预测变量的三次项，在结果回归模型中添加二次项，以观察这种调整是否会改变效应估计

评估协变量（加权后）的平衡性，通过计算暴露与连续变量之间的平均绝对相关系数，并测试使用三次项是否比二次项更好

研究结果

发现三种污染物浓度增加与死亡风险增加相关。PM2.5 每增加 1µg/m³，年死亡风险绝对增加 0.073%；NO2 每增加 1 ppb，年死亡风险增加 0.003%；O3 每增加 1 ppb，年死亡风险增加 0.081%。且在某些亚组中效应更高，如低社会经济地位人群。敏感性分析结果与主要模型一致，表明研究结果较为稳健。

男性因 PM2.5 和 O3 死亡的可能性显著高于女性；黑人因 NO2 和 O3 死亡的可能性高于白人，但在 PM2.5 方面相反；年龄较大的人死亡风险更高，且 PM2.5 和 O3 的这种差异更明显。

有医疗补助资格的人以及邮政编码层面家庭收入较低的人死亡风险更高

煤矿安全生产标准化管理体系思维导图