O-42 A novel weighting approach to addressing healthy worker survivor bias
Notice bibliographique
Résumé
Introduction Radon gas is a major source of ionizing radiation exposures in humans that contributes to the global burden of lung cancers. Human carcinogenicity of radon has been established, in part, in studies of exposed workers, including uranium miners. Impact estimates from occupational studies are subject to healthy worker survivor bias, which has been proposed to result in substantial underestimates of radon’s health effects. However, existing analytic methods for addressing bias due to healthy worker survivor bias are sensitive to model misspecification. Material and Methods We describe a new approach for estimating health effects of occupational exposures that addresses healthy worker survivor bias while reducing modeling assumptions. This approach utilizes inverse probability weighting and originates from the literature on dynamic treatment regimes. We use this approach to estimate impacts of hypothetical occupational standards on lung cancer mortality using data from 4124 miners from the Colorado Plateau Uranium Miners’ cohort followed through 2005. Results The estimated cumulative lung cancer mortality risk at age 80 was 14.9% (95% confidence interval [CI] = 13.7%, 16.1%). Under a hypothetical intervention to limit exposure to 20 working levels, we estimated a risk reduction (at age 80) of 2.7% (95%CI = 3.6%, 1.7%). Estimates at lower exposure levels were larger but subject to greater uncertainty than previous analyses in this cohort using modeling-based estimators. Conclusions Our approach offers substantial strengths when addressing healthy worker survivor bias, namely regarding computational simplicity and reduced reliance on modeling assumptions. Use within this highly exposed cohort also highlighted challenges with using our approach to estimate effects at low exposure levels: model-based extrapolation with the parametric g-formula can be used to reduce uncertainty under stronger assumptions. The proposed approach provides a simple approach to addressing healthy worker survivor bias that provides promise for reducing modeling assumptions in studies of occupational exposures.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».