[论文解读] Approximate Negative-Binomial Confidence Intervals: Asbestos Fiber Counts

David L. Bartley, James E. Slaven+1 more|arXiv (Cornell University)|Nov 17, 2016

Occupational and environmental lung diseases参考文献 10被引用 3

一句话总结

本文提出了一种针对石棉纤维计数的简单而精确的负二项分布近似方法，同时考虑了抽样变异性和人为计数误差。通过利用斯特林展开、归一化近似和反梯形积分法，推导出精确的置信区间与决策限——结果表明，基于负二项分布的检测限几乎为正态近似方法的两倍，显著降低了职业暴露评估中的假阳性率。

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.

研究动机与目标

• 解决由于有限抽样和人为计数变异性导致的石棉纤维浓度测量不确定性。
• 开发一种实用且精确的负二项分布近似方法，用于推导置信区间与决策限。
• 通过考虑离散且过度分散的计数数据，改进职业暴露评估中的检测与决策限。
• 将现代统计方法与早期石棉计数研究（如Ogden, 1982）相联系，并通过模拟及与泊松极限的比较验证该方法。
• 提供一种简单且可复用的统计框架，适用于多种石棉采样方案（例如NIOSH 7400、ISO 8672、HSG 248）。

提出的方法

• 使用高阶斯特林展开近似负二项分布的概率质量函数。
• 应用精确归一化，确保近似分布的积分值为1。
• 引入合理的正态分布扰动，以提高尾部分布区域的近似精度。
• 采用反梯形积分法，高效且精确地近似累积和。
• 基于单次观测计数值，推导真实平均纤维计数N的置信限。
• 利用负二项分布的99.9%分位数计算决策限（LOD）与检测限（DL）。

实验结果

研究问题

• RQ1 当抽样误差与人为计数误差共同导致过度分散时，如何准确推导石棉纤维计数的置信区间？
• RQ2 在石棉分析中，使用负二项分布模型与正态近似方法相比，对检测限与决策限有何影响？
• RQ3 当负二项分布趋近泊松分布时，所提出的近似方法与传统方法相比表现如何？
• RQ4 该近似方法在分布尾部区域的保真度如何，这对设定低概率决策限至关重要？
• RQ5 该方法能否推广至环境与职业健康领域中的其他离散计数数据问题？

主要发现

• 所提出的负二项分布近似方法通过精心运用斯特林展开、归一化处理与反梯形积分法，实现了高精度。
• 当负二项分布趋近泊松分布时，该方法的结果与既有的近似置信区间高度一致，验证了其准确性。
• 基于负二项分布模型推导出的检测限（LOD）为23.5 mm⁻²，几乎为正态分布假设下所得12.5 mm⁻²值的两倍。
• 在80%置信水平下控制假阴性时的检测限（DL）为12 mm⁻²，对应约0.785 mm²面积内10个计数。
• 该方法建立了与早期石棉计数研究（如Ogden, 1982）的直接统计联系，并通过考虑离散且过度分散的数据，优于传统方法。
• 该框架简洁且具有普适性，潜在应用包括优化现场空白使用与各类石棉采样标准（如NIOSH 7400、ISO 8672、HSG 248）下的实验设计。