Une comparaison des méthodes statistiques pour étudier les interactions des mélanges chimiques

Résumé Évaluer correctement les effets des expositions chimiques environnementales sur le risque de maladie reste un problème difficile en épidémiologie environnementale. Différentes approches analytiques ont été proposées, mais il existe peu d'articles ayant comparé la performance de différentes méthodes statistiques sur un seul jeu de données. Dans cet article, nous comparons différentes approches basées sur la régression pour estimer les interactions entre les composants des mélanges chimiques en utilisant des données d'une étude cas-témoin sur le lymphome non hodgkinien. Un défi analytique est le pourcentage élevé d'expositions en dessous du seuil de détection (LOD). En utilisant l'imputation pour le LOD, nous comparons différentes approches de prior de rétrécissement bayésien, y compris une approche qui intègre le principe hiérarchique où les interactions ne sont incluses que lorsque des effets principaux existent. De plus, nous développons une approche où les effets principaux et interactifs sont représentés par une série de fonctions latentes distinctes. Nous ajustons également la régression par machine à noyau bayésienne à ces données. Toutes ces approches montrent peu de preuves d'une interaction parmi les mélanges chimiques lorsque des mesures en dessous du LOD ont été imputées. L'approche d'imputation fait des hypothèses très fortes sur la relation entre l'exposition et le risque de maladie pour les mesures en dessous du LOD. Comme alternative, nous montrons les résultats d'une analyse où nous modélisons la relation d'exposition avec deux paramètres par composant de mélange ; l'un caractérisant l'effet d'être en dessous du LOD et l'autre étant un effet linéaire au-dessus du LOD. Dans cette dernière analyse, nous identifions de nombreuses interactions fortes qui n'ont pas été identifiées dans les analyses avec imputation. Cette étude de cas a démontré l'importance de développer de nouvelles approches pour les mélanges lorsque les proportions de mesures d'exposition en dessous du LOD sont élevées.