Статистическое программное обеспечение для анализа влияния нескольких одновременных воздействий на здоровье с помощью байесовской регрессии на основе ядерного метода

Введение: В экологической эпидемиологии всё большее внимание уделяется оценке влияния смесей нескольких загрязнителей на здоровье. Недавно был разработан новый подход к оценке такого влияния — байесовская регрессия на основе ядерного метода (BKMR). Этот метод позволяет гибко и экономно оценивать многомерную функцию «воздействие—ответ», проводить отбор переменных в векторе воздействий, который может иметь большую размерность, а также использовать групповой отбор переменных с учётом сильно коррелирующих воздействий. Однако применение этого нового метода ограничивали отсутствие доступного программного обеспечения, необходимость получать интерпретируемые результаты с высокой вычислительной эффективностью и невозможность применять метод к не непрерывным исходам.

Методы: В статье описаны способы устранения этих ограничений: (i) представлен пакет программ с открытым исходным кодом для языка R — пакет bkmr; (ii) продемонстрированы методы визуализации многомерных функций «воздействие—ответ» и оценки значимых с научной точки зрения сводных показателей; (iii) показана реализация BKMR с пробит-регрессией для бинарных исходов; (iv) описана ускоренная версия BKMR, использующая подход гауссовского предиктивного процесса. Все методы проиллюстрированы полностью воспроизводимыми примерами с прилагаемым кодом на R.

Результаты: Применение методов на примере непрерывного исхода продемонстрировало способность реализации BKMR оценивать влияние смесей нескольких загрязнителей на здоровье в условиях выраженной нелинейности биологически обоснованной зависимости «доза—ответ», а также оценивать общее влияние смеси, эффекты отдельных воздействий и эффекты взаимодействия. Метод гауссовского предиктивного процесса существенно сокращал время вычислений без значительного снижения точности. При большом числе воздействий и дихотомическом исходе реализация BKMR с пробит-регрессией правильно выявляла переменные, входящие в функцию «воздействие—ответ», и давала интерпретируемые оценки на шкале скрытого непрерывного исхода или вероятности исхода.

Выводы: Разработанное программное обеспечение, интегрированный набор инструментов и расширенная методология делают BKMR доступным для широкого спектра эпидемиологических исследований, в которых многочисленные факторы риска оказывают сложное влияние на здоровье.