Assortative mixing as a source of bias in epidemiological studies of sexually transmitted infections: the case of smoking and human papillomavirus
Notice bibliographique
Résumé
For studies examining risk factors of sexually transmitted infections (STIs), confounding can stem from characteristics of partners of study subjects, and persist after adjustment for the subjects' individual-level characteristics. Two conditions that can result in confounding by the subjects' partners are: (C1) partner choice is assortative by the risk factor examined and, (C2) sexual activity is associated with the risk factor. The objective of this paper is to illustrate the potential impact of the assortativity bias in studies examining STI risk factors, using smoking and human papillomavirus (HPV) as an example. We developed an HPV transmission-dynamic mathematical model in which we nested a cross-sectional study assessing the smoking-HPV association. In our base case, we assumed (1) no effect of smoking on HPV, and (2) conditions C1-C2 hold for smoking (based on empirical data). The assortativity bias caused an overestimation of the odds ratio (OR) in the simulated study after perfect adjustment for the subjects' individual-level characteristics (adjusted OR 1·51 instead of 1·00). The bias was amplified by a lower basic reproductive number (R 0), greater mixing assortativity and stronger association of smoking with sexual activity. Adjustment for characteristics of partners is needed to mitigate assortativity bias.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».