[논문 리뷰] Approximate Negative-Binomial Confidence Intervals: Asbestos Fiber Counts

David L. Bartley, James E. Slaven외 1명|arXiv (Cornell University)|2016. 11. 17.

Occupational and environmental lung diseases참고 문헌 10인용 수 3

한 줄 요약

이 논문은 섬모질 섬유 센서의 분석을 위해 표본 추출 변동성과 인간의 수작업 계수 오차를 모두 고려한 음이이항분포에 대한 단순하고 정확한 근사치를 개발한다. 스타링의 전개, 정규화된 근사치, 역 trapzoidal 적분을 활용하여 정밀한 신뢰구간과 결정한계를 유도하며, 음이이항기반의 감지한계가 정규분포 근사치보다 거의 두 배 높다는 것을 보여주며, 직업적 노출 평가에서 임의의 양성 결과를 크게 감소시킨다.

ABSTRACT

The negative-binomial distribution is adopted for analyzing asbestos-fiber counts so as to account for both the sampling errors in capturing only a finite number of fibers as well as the inevitable human variation in identifying and counting sampled fibers. A simple approximation to this distribution is developed for the derivation of quantiles and approximate confidence limits. The success of the approximation depends critically on the use of the Stirling expansion to sufficient order, on exact normalization of the approximating distribution, on reasonable perturbation of quantities from the normal distribution, and on accurately approximating sums by inverse-trapezoidal integration. Accuracy of the approximation developed is checked through simulation and also by comparison to traditional approximate confidence intervals in the specific case that the negative-binomial distribution approaches the Poisson distribution. The resulting statistics are shown to relate directly to early research into the accuracy of asbestos sampling and analysis. Uncertainty in estimating mean asbestos-fiber concentrations given only a single count is derived. Decision limits (limits of detection (LOD)) and detection limits are considered for controlling false positive and negative detection assertions and are compared to traditional limits computed assuming normal distributions.

연구 동기 및 목표

• 유한한 표본 추출과 인간의 수작업 계수 변동성으로 인한 섬모질 섬유 농도 측정의 불확실성을 다루기 위해.
• 신뢰구간과 결정한계를 유도하기 위한 음이이항분포에 대한 실용적이고 정확한 근사치를 개발하기 위해.
• 이산적이고 과분산된 카운트 데이터를 고려함으로써 직업적 노출 평가를 위한 감지 및 결정한계를 향상시키기 위해.
• 현대 통계 방법과 오드런(1982)과 같은 초기 섬모질 계수 연구를 연결하고, 시뮬레이션과 포아송 한계와의 비교를 통해 방법을 검증하기 위해.
• 다양한 섬모질 표본 채취 기준(예: NIOSH 7400, ISO 8672, HSG 248)에 적용 가능한 단순하고 재사용 가능한 통계 프레임워크를 제공하기 위해.

제안 방법

• 고차수의 스타링의 전개를 사용하여 음이이항 확률질량함수를 근사한다.
• 근사 분포가 1로 통합되도록 정확한 정규화를 적용한다.
• 꼬리 영역에서 정확도를 향상시키기 위해 정규분포에서 합리적인 변형을 통합한다.
• 누적합을 효율적이고 정확하게 근사하기 위해 역 trapzoidal 적분을 활용한다.
• 단일 관측된 카운트가 주어졌을 때 진짜 평균 섬유 수 N에 대한 신뢰한계를 도출한다.
• 음이이항분포의 99.9% 분위수를 사용하여 결정한계(LOD)와 감지한계(DL)를 계산한다.

실험 결과

연구 질문

• RQ1 표본 추출 오차와 인간의 수작업 계수 오차가 모두 과분산을 유발할 경우, 섬모질 섬유 수에 대한 정확한 신뢰구간은 어떻게 도출할 수 있는가?
• RQ2 섬모질 분석에서 음이이항 모델을 정규분포 근사치와 비교할 때 감지한계와 결정한계에 어떤 영향을 미치는가?
• RQ3 음이이항분포가 포아송분포에 가까워질 경우, 제안된 근사치는 전통적 방법과 어떻게 비교되는가?
• RQ4 감지한계의 낮은 확률 영역에서 중요한 분포 꼬리 부분의 정확도를 얼마나 잘 유지하는가?
• RQ5 이 방법은 환경 및 직업 건강 분야의 다른 이산적 카운트 데이터 문제로 일반화될 수 있는가?

주요 결과

• 제안된 음이이항 근사치는 스타링의 전개, 정규화, 역 trapzoidal 적분의 정교한 활용을 통해 높은 정확도를 달성한다.
• 음이이항분포가 포아송분포에 가까워질 경우, 이 방법의 결과는 기존에 알려진 근사 신뢰구간과 매우 유사하여 정확도가 검증된다.
• 음이이항 모델에서 유도된 감지한계(LOD)는 23.5 mm⁻²이며, 정규분포 가정 하에 도출된 12.5 mm⁻² 값보다 거의 두 배 높다.
• 80% 신뢰수준에서 임의의 음성 결과를 제어하기 위한 감지한계(DL)는 12 mm⁻²이며, 이는 약 0.785 mm²당 10개의 카운트에 해당한다.
• 이 방법은 오드런(1982)과 같은 초기 섬모질 계수 연구와 직접적인 통계적 연결을 제공하며, 이산적이고 과분산된 데이터를 고려함으로써 기존 접근법을 향상시킨다.
• 이 프레임워크는 단순하고 일반화 가능하며, 다양한 섬모질 표본 채취 기준에서 현장 블랭크 사용 최적화 및 실험 설계 개선 등 잠재적 응용이 가능하다.