根据病例对照基于半参数互动试验设计Copula函数模型

在分子流行病学研究中风险因子之间的相互作用十分重要的。为了提高相互作用的检测率,前人的研究提出了一些统计学检验方法,这些程序在两个风险因子的基础联合分布中掺入了某些假设。例如,在遗传流行病学研究中所用的众所周知的case-only test是在假设两个风险因子之间相互独立的情况下实现的。然而,当假设条件不满足时,可能会对假阳性和假阴性率产生影响。

美国国立癌症研究所余凯与上海复旦大学张洪研究员带领研究人员在两个风险因子的边界分布不确定的条件下,提出了一个联合分布参数相关函数模型。通过一个统一的方法来评估或测试相互之间的影响。这种方法是非常灵活的,并且可以用来研究连续或离散的风险因子之间的相互作用。通过模拟研究发现在没有指定这两个风险因子之间的关系时,该实验通常比传统的稳健性检验可以更加标准的计算逻辑回归。两个风险因子在控制人口中是真正独立的时候,该方法与case-only test方法是可以相提并论的。不同于case-only方法,如果独立性假设是无效的,该方法仍然可以保持I类错误率。本研究所提出的方法是经过两个癌症流行病学研究证实的。该研究发表在2013年《Statistica Sinica》杂志上。

参考文献:

A COPULA-MODEL BASED SEMIPARAMETRIC INTERACTION TEST UNDER THE CASE-CONTROL DESIGN.Hong Zhang,et al.Statistica Sinica.2013

作者简介:

张洪:复旦大学生命科学学院正高级青年PI、研究员。清华973国家重点基础研究发展计划项目《基于新一代测序的生物信息学理论与方法》第五课题组学术骨干。主要研究方:遗传统计学:基于群体数据、家庭数据和抽样调查数据的基因-疾病关联分析,基因-基因/基因-环境交互效应分析;临床试验和生存分析;病例-对照研究。