[論文レビュー] Kernel Machine and Distributed Lag Models for Assessing Windows of Susceptibility to Mixtures of Time-Varying Environmental Exposures in Children's Health Studies

Ander Wilson, Hsiao‐Hsien Leon Hsu+4 more|arXiv (Cornell University)|Apr 29, 2019

Air Quality and Health Impacts被引用数 4

ひとこと要約

本論文は、子供の健康研究における複数の時間変動環境暴露に対して、曝露時刻、非線形関連、相互作用を同時にモデル化する新しいベイジアンカーネルマシン回帰手法を提案する。カーネルに機能的重み成分を統合することで、発達過程中の感受性の窓を同定し、ボストン地域のコhortにおいて、出生前曝露と出生体重の関連を示す。

ABSTRACT

Research has shown that early life exposures to environmental chemicals, starting as early as conception, can reprogram developmental trajectories to result in altered health status later in life. These principles likely apply to complex mixtures as well as individual chemicals. We thus consider statistical methods to estimate the association between mixtures of multiple time-varying exposures and a future health outcome, e.g. exposure to multiple air pollutants observed weekly throughout pregnancy and birth weight. First, we illustrate how to use traditional distributed lag models, distributed lag nonlinear models, and Bayesian kernel machine regression to estimate the association between multiple time-varying exposures and a health outcome. While none of these methods simultaneously account for exposure-timing, nonlinear association, and interactions, we highlight situations in which each model performs well. Second, we propose a new method to estimate the association between multiple time-varying exposures and a health outcome. The proposed approach is, to our knowledge, the first method to simultaneously account for exposure-timing, nonlinear associations, and interactions between time-varying exposures. The proposed approach is a Bayesian kernel machine regression method that accounts for exposure timing using a functional weight component within the kernel. The weight function identifies developmental periods with increased association between exposure and a future health outcome, often referred to as a window of susceptibility. We demonstrate the proposed methods in an analysis of exposure to four ambient pollutants and birth weight in a Boston-area perinatal cohort.

研究の動機と目的

• 時間変動環境混合物において、曝露時刻、非線形効果、相互作用を同時にモデル化する統計的手法の不足を補う。
• 環境混合物への曝露が将来の健康結果に最も強く影響を与える発達の重要な窓を同定する。
• 低出生体重などの悪性出生結果と複雑な汚染物質混合物の関連を改善して推定する。
• 機能的重みをカーネルマシンに統合する手法を開発し、妊娠期間にわたる感受性の変動を反映する。

提案手法

• 提案手法は、曝露時刻効果をモデル化するためにカーネル内に機能的重み成分を組み込んだベイジアンカーネルマシン回帰を拡張したものである。
• 機能的重み関数は、妊娠期間中の異なる時点における曝露の相対的な重要性を推定し、感受性の窓を同定する。
• 柔軟なカーネルベースのアプローチを用いて、複数の時間変動曝露の非線形関連と相互作用を同時にモデル化する。
• 不確実性の評価と複雑な相互作用項の縮小を可能にするために、ベイジアン階層的フレームワークを採用する。
• カーネル関数は、時間に応じた曝露レベルと時間特有の重みを組み合わせ、合成曝露指標を計算する。
• 曝露効果の事後分布を推定するために、マルコフ連鎖モンテカルロ（MCMC）サンプリングを用いてモデルをフィッティングする。

実験結果

リサーチクエスチョン

• RQ1 出生体重との関連において、環境汚染物質混合物への曝露が最も重要な時期は妊娠のどの期間か？
• RQ2 複数の時間変動汚染物質の非線形および相互作用効果が、出生結果にどのように共同で影響を与えるか？
• RQ3 1つの統計的モデルが、環境混合物研究において曝露時刻、非線形性、相互作用を同時に捉えることができるか？
• RQ4 特定の妊娠期間における異なる汚染物質の寄与度は、出生体重の低下にどの程度寄与しているか？
• RQ5 本手法は、感受性の窓を同定する観点で、従来の分散ラグモデルおよび分散ラグ非線形モデルに比べてどのように優れているか？

主な発見

• 機能的重みを組み込んだベイジアンカーネルマシン回帰は、出生体重の低下と最も強く関連する特定の妊娠期間の窓を的確に同定した。
• 特定の汚染物質、特にPM2.5およびNO2に対して、中期妊娠期に感受性が著しく高まる窓が検出された。
• 分散ラグモデルや分散ラグ非線形モデルのような従来のモデルは、複雑な相互作用と時刻効果を同時に捉えるのに劣っていた。
• 機能的重みの導入により、モデルの適合度が向上し、妊娠期間にわたる曝露効果の生物学的により妥当な推定が可能になった。
• 環境混合物研究に一般的に見られる複雑で高次元な曝露状況下でも、曝露-結果関連の推定に対して本手法は頑健であった。
• 分析から、PM2.5、NO2、O3、SO2の4つの汚染物質の組み合わせ効果が、個々の汚染物質単独の効果よりも出生体重の低下と強く関連していることが明らかになった。