【交互作用】01. 加法交互 & 乘法交互(R包 epiR)

【交互作用】01. 加法交互 & 乘法交互 [R包 epiR]

(1) 概念
某一因素的真实效应(单独效应)随着另一因素水平的改变而改变。当两种或两种以上暴露因素同时存在时所致的效应不等于它们单个作用相联合的效应时,则称因素之间存在交互作用。
① 因素A的效应在因素B的不同水平上存在差异,则认为因素A、B之间存在交互作用。
② 因素A、B的联合效应不等于两因素独立效应之和或之积。

(2) 识别
①统计表:所有可能交叉组合情况下的结局指标;
②统计图:观察另一因素各水平下,某因素与结局指标关系图是否平行(Addictive interation)。

(3) 理解交互作用
在不同B因素水平,A因素的效应有统计学差异;同理,在不同A因素水平,B因素的效应也有差异。交互作用就是看二者合在一起的效应,与二者单独效应之和(相加)/之乘(相乘),相等还是不相等。不相等,那就是有交互。Mediation是解释暴露因素how导致的结局,而interaction是说明who是高风险目标人群。
首先需明确,”交互作用”是指统计学上的交互作用,不能直接说它们具有生物学意义上的交互作用。因为统计模型不止一种,你会看到有些研究中,相乘模型有统计学意义,相加模型没有统计学意义,或者相乘模型为拮抗作用,相加模型为协同作用;所以,这才有了谁更合理的争论。根据”A因素和B因素在相加尺度上具有交互作用”,可以推测有生物学交互,而不能直接写”具有生物交互作用”。同样,没检测到统计学上的交互作用,也不能说明没有生物学交互作用。⚠️注意:有无统计学交互作用很大程度上取决于所选择的模型,所以在报告有无交互作用时,需要说明分析所用的模型。

(4) 相加交互与相乘交互的差异
统计建模中一般线性模型交互项反映的是因素间相加交互作用(additive interactions,INTA),而logistic和Cox等广义线性模型则反映因素间统计学上相乘交互作用(multiplicative interaction,INTM),即logistic乘积项仅反映统计学上的交互,而只有在生物学机制上病因因素间存在相加交互作用才可解释为相加交互作用。

(5) 评价交互作用的目的和意义
①在资源有限的情况下,识别对某干预受益最大的人群(亚组)。
②在某一主要暴露因素不容易施加干预的情况下,识别最有可能施加干预的互作协变量以降低主要暴露因素的效应。
③揭示暴露影响疾病发生的机制。
④提高评价某暴露因素对结局影响总效应的把握度。
⑤仅从统计学角度考虑,通常包含交互作用项的模型拟合数据更好。

  1. 二分类解释变量交互作用

2.1 相乘交互作用

(1) 相乘交互作用的定义:假设研究多风险因素中交互作用的两暴露因素为AB,则OR00表示AB均无暴露,即OR00=1;OR10表示A暴露、B无暴露,OR01表示A无暴露、B暴露,OR11表示A、B均暴露。则相乘交互作用INTM=ORA×B=OR11/(OR10×OR01)。

(2) 相乘交互作用的判定:logistic 等回归乘积项95%CI不包含1,表明有相乘交互作用。交互项得到的OR值

2.2 相加交互作用

(1) 定量评价流行病学研究中暴露因素间及暴露因素与基因间相加交互作用需要3项指标:交互对比度(interaction contrast ratio, ICR)又称交互作用超额相对危险度(relative excess risk due to interaction, RERI),交互作用归因比(attributable proportion due to interaction, AP)和协同指数(the synergy index, S)。

(2) 相加交互作用3项指标定义为
RERI = ICR = OR11 – OR10 – OR01 + 1
AP = ICR/OR11
S = (OR11 – 1)/(OR10 + OR01)=(OR11 – 1)/(OR11 + 1 – ICR)

此处公式有误,之前一直懒得去核实,现在做个修改。感谢x小x小姐姐提供的文献参考,如有需要,请自行下载原文。—— Revised: 2022-04-01
Knol MJ, VanderWeele TJ, Groenwold RH, Klungel OH, Rovers MM, Grobbee DE. Estimating measures of interaction on an additive scale for preventive exposures. Eur J Epidemiol. 2011 Jun;26(6):433-8.

【交互作用】01. 加法交互 & 乘法交互(R包 epiR)

在二分类logistic回归模型中,ln[P/(1-P)] = β0 + β1A + β2B + β3A×B,OR10=exp(β1),OR01=exp(β2),OR11=INTA=exp(β1 + β2 + β3)

(3) 相加交互作用的判定:如果两因素有相加交互作用,则RERI 95%CI、AP 95%CI应不包含0,S 95%CI应不包含1。超额相对危险度RERI以及归因比AP均>0,且可信区间不包括0, S>1且可信区间不包括1,表示存在交互作用,且为协同作用。RER1以及AP均

Original: https://blog.csdn.net/qq_22253901/article/details/118981902
Author: hucy_Bioinfo
Title: 【交互作用】01. 加法交互 & 乘法交互(R包 epiR)

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/626697/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

  • 现在陪玩多吗,用Python来看看他们的行情

    前言 陪玩这个行业应该没哪个好兄弟没听说过吧 有男有女,还有很多漂亮的妹妹 就是说,今天来带你们爬爬陪玩的数据 一起看看行情咋样 ; 一 、数据来源分析: 确定需求, 采集那个网站…

    人工智能 2023年7月3日
    071
  • 堆的实现(C语言)

    目录 一、树 1.什么是树? 2.数的基本概念 3.树的表示 4. 树在实际中的运用(表示文件系统的目录树结构) 二、二叉树概念及结构 1.特殊的二叉树: 2.二叉树的性质 3.二…

    人工智能 2023年6月27日
    079
  • vuex 学习之路

    自我认知: 官方介绍: 1.state 中定义了userInfo对象; 2.getters: 3.mutations:可以简单的理解为存值(注意:mutation 都是同步事务) …

    人工智能 2023年6月28日
    063
  • 数据仓库理论知识

    数据仓库 1.1 数仓基础知识 1.1.1. 为什么要有数据仓库 通常数据仓库的数据来自各个业务应用系统。业务系统中的数据形式多种多样,可能是 Oracle、MySQL、SQL S…

    人工智能 2023年7月17日
    052
  • xgboost自定义损失函数&评估函数

    xgb.train()中的两个参数:obj => 自定义目标/损失函数,模型优化的目标,用来衡量真实值与模型预测值之间的差距feval => 自定义评估函数,评价函数用…

    人工智能 2023年6月19日
    089
  • linux服务器python环境配置+pycharm连接服务器操作

    普天同庆!!!从原来啥也不懂一直拖着想着等返校后问同学怎么操作,到现在迫于无奈需要训练只能自己配置,耗时半天终于搞明白了!!!(大神永远不懂小白的痛) 目录 1.linux服务器环…

    人工智能 2023年7月21日
    057
  • 基于GDAL的JAVA生成GDB文件实战

    前言 在之前博客中,陆续的介绍了关于gdb文件的读取,gis利器之Gdal(三)gdb数据读取,玩转GDAL一文带你深入Windows下FileGDB驱动支持,这些文章主要都是介绍…

    人工智能 2023年7月29日
    087
  • 《数字图像处理第二版》第三章部分习题

    习题 第三章 空间域图像增强 * 习题1 – + 请写出幂次变换的基本形式。在使用幂次变换增强图像时,参数的选择应注意什么问题? 习题2 – + 什么是对数…

    人工智能 2023年6月21日
    066
  • week3 map

    stl,提供一对一的hash map<int, char> m; m[1]=’a’; m.insert(1,’a’); m.erase(1); m.clear(); m…

    人工智能 2023年6月29日
    059
  • Educoder关联规则挖掘

    第一关:数据探索和预处理 本实训中,实验内容为完成数据探索和预处理,根据提示,在右侧编辑器补充代码,完成如下四个任务: 使用 pandas库的 read_excel方法读入实验数据…

    人工智能 2023年7月7日
    069
  • java map 多个key_jdk1.8 操作List 多个map 具有相同的key 进行分组合并重组数据…

    一:我们有这么一列数据: 数据格式 m1的数据格式如下: margeKey 是 要按照 那个key来进行分组,key 名字 [{active_user=2, company_id=…

    人工智能 2023年7月8日
    069
  • yolov6论文翻译

    摘要 多年来,YOLO系列一直是高效物体检测的事实上的工业级标准。YOLO社区以压倒性的优势丰富了它在众多硬件平台和丰富场景中的应用。在这份技术报告中,我们努力把它的极限推到一个新…

    人工智能 2023年7月28日
    066
  • 两阶段目标检测详解–FasterRCNN

    目录 一、Faster R-CNN的思想 二、FasterRCNN模型结构 (一)网络结构 (二)RPN网络(Region Proposal Networks) (三)什么是锚点(…

    人工智能 2023年7月12日
    073
  • 独家 | ​多项式回归:从零开始学习梯度下降

    作者:SETHNEHA 翻译:王可汗 校对:陈丹 本文 约3200字,建议阅读 15 分钟 本文为大家介绍多项式回归中的梯度下降算法。 关键词:梯度下降、多项式回归、模型优化 梯度…

    人工智能 2023年6月18日
    073
  • 【数据挖掘】视觉模式挖掘:Hog特征+余弦相似度/k-means聚类

    实验概述 本次实验使用的是VOC2012数据集,首先从图像中随机采样图像块,然后利用Hog方法提取图像块特征,最后采用余弦相似度和k-means聚类两种方法来挖掘视觉模式。 数据集…

    人工智能 2023年7月17日
    057
  • 极米Z6X Pro值得购买吗?这篇评测告诉你

    随着生活水平的不断提高,我们也在追求更高的生活品质,所以家庭娱乐的需求也有了质的变化。越来越多的人开始选择投影机来组建属于自己的家庭影院。投影仪真正打造了超越百寸的震撼视听感受, …

    人工智能 2023年6月28日
    078
亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球