使用两部分回归校准模型纠正单次重复研究设计中偶发食物的测量误差：EPIC案例研究

在流行病学研究中，膳食变量中的测量误差常常削弱膳食摄入与疾病发生之间的关联。为了调整由于膳食摄入误差导致的减弱，通常使用回归校准。应用回归校准需要无偏的参考测量。未每日消费的食物的短期参考测量包含过量的零值，这对校准模型构成挑战。我们将最初为每个个体的多次重复参考测量开发的两部分回归校准模型调整为单次重复设置。我们展示了如何通过两步建模方法处理过量零参考测量，如何通过方差-均值图探索消费量的异方差性，如何通过广义加法建模（GAM）和经验对数几率方法探索非线性，以及如何选择校准模型中的协变量。两部分校准模型的性能与一次性校准模型进行了比较。我们使用了来自欧洲癌症与营养前瞻性研究（EPIC）的蔬菜摄入和死亡率数据。在EPIC中，参考测量是通过24小时回忆法进行的。对于评估的三个蔬菜亚组，通过适当指定的两部分校准模型纠正误差导致与全因死亡率的关联强度增加了约三倍，按照对数风险比测量。进一步发现，校准模型中协变量的标准包含方式可能导致两部分校准模型过拟合。此外，调整误差的程度受校准模型中协变量的数量和形式的影响。对于偶发消费的食物，我们建议研究人员在指定校准模型时特别关注响应分布、非线性和协变量的纳入。