تعدیل اریبی نسبت شانس حاصل از طبقه بندی نادرست مواجهه ها با استفاده از روش های بیزی در بررسی عوامل محیطی مرتبط با سرطان ریه

عدم توانایی در اندازه گیری دقیق مواجهه ها در مطالعات اپیدمیولوژیکی مشکلی است که تقریبا در همه مطالعات مخصوصا مطالعات مورد- شاهدی رخ می دهد. بسته به شدت رخداد سو اندازه گیری، نتایج می تواند تحت تاثیر قرار گیرد. روش های موجود حل این مشکل اغلب زمان و هزینه زیادی را می برند و برای بعضی مواجهه قابلیت اجرایی ندارند. اخیرا روش های جدیدی برای مطالعات مورد-شاهدی دارای همسان سازی یک به یک پیشنهادشده اند که این مشکلات را تا حدودی حل کرده اند. در اینجا ما به دنبال تعمیم این روش برای مطالعات مورد-شاهدی دارای همسان سازی چندگانه هستیم.
در اینجا توزیع پیشین دریخله استاندارد برای توزیع چندجمله ای تعمیم داده شد تا بتوان اطلاعات مربوط به پارامتر ارتباط مواجهه-بیماری (OR) را جدای از اطلاعات مربوط به سایر پارامترها وارد مدل کردیم. برای اطلاعات پیشین (OR) از اطلاعاتی که در سایر مطالعات درباره ارتباط مواجهه و بیماری بود استفاده کردیم. برای تصحیح سو طبقه بندی نیز آنالیز حساسیت انجام دادیم نتایج تحت سه مدل بیزی به دست آمد.
یافته های مدل بیزی خام مشابه با مدل کلاسیک بود مدل دوم که در آن از اطلاعات OR استفاده شد شدیدا تحت تاثیر این اطلاعات قرار گرفت. مدل پیشنهادی سوم بیشترین تعدیل اریبی را برای عوامل خطر فلزات سنگین، مصرف دخانیات و مصرف مواد مخدر انجام می دهد به طوری که فلزات سنگین را که مدل خام (رگرسیون لجستیک کلاسیک) بر بروز سرطان ریه تاثیرگذار نشان می داد را غیر معنی دار نشان داد. آنالیز حساسیت نیز نشان داد که مدل در مقابل تغییر مقادیر حساسیت و ویژگی پایدار است.
مطالعه حاضر نشان داد که اگرچه نتایج مدل سوم در بیشتر مواجهه ها تغییر چندانی با مدل دوم نداشت ولی می توان گفت که مدل تا حدود زیادی می تواند سو طبقه بندی ها را اصلاح کند.