Extracto
Antecedentes
Los estudios ocupacionales a menudo implican comparaciones múltiples y por lo tanto sufren de resultados falsos positivos . métodos semi-Bayes de ajuste a veces se han usado para tratar este tema. de regresión jerárquica es un enfoque más general, incluyendo el ajuste-Bayes Semi como un caso especial, que tiene por objeto mejorar la validez de las estimaciones de máxima probabilidad estándar en la presencia de múltiples comparaciones mediante la incorporación de las similitudes entre las exposiciones de interés en un modelo de segunda etapa .
Metodología /Principales conclusiones
datos
Nos volvieron a analizar a partir de un estudio de casos y controles de cáncer de pulmón en el trabajo, la aplicación de regresión jerárquica. En el modelo de la segunda etapa, se incluyó la exposición a carcinógenos pulmonares tres conocidos (asbesto, cromo y sílice) para cada ocupación, bajo el supuesto de que las ocupaciones que implica la exposición carcinógenos similares están asociados con riesgos similares de cáncer de pulmón. estimaciones de regresión jerárquica tenían intervalos de confianza más pequeñas que las estimaciones de máxima probabilidad. La contracción hacia el valor nulo fue más fuerte para las estimaciones extremas, menos estables (por ejemplo, "los agricultores especializados": de máxima probabilidad OR: 3,44, IC 95%: 0,90 a 13,17; regresión jerárquica OR: 1,53; IC del 95%: 0,63 a 3,68). A diferencia de semi-Bayes ajuste hacia la media mundial, la regresión jerárquica no se redujo todas las RUP hacia la nula (por ejemplo, "la fundición de metales, la conversión y refinación Fundidores": máxima probabilidad OR: 1,07, semi-Bayes OR: 1,06, regresión jerárquica O:. 1.26)
Conclusiones /Importancia
regresión jerárquica podría ser una herramienta valiosa en estudios ocupacionales en los que se estima que el riesgo de enfermedad para una gran cantidad de ocupaciones cuando tenemos información disponible sobre la tecla exposiciones cancerígenas que intervienen en cada ocupación. Con el progreso constante en los métodos de evaluación de la exposición en lugares de trabajo y la disponibilidad de matrices de exposición de empleo, debería ser más fácil de aplicar este enfoque
Visto:. Corbin M, L Richiardi, Vermeulen R, H Kromhout, Merletti F , Peters S, et al. (2012) Regresión jerárquica para comparaciones múltiples en un estudio de casos y controles de los riesgos profesionales para el cáncer de pulmón. PLoS ONE 7 (6): e38944. doi: 10.1371 /journal.pone.0038944
Editor: Thomas Behrens, Universidad de Bochum, Alemania |
Recibido: 24 Enero, 2012; Aceptado: 14 de mayo de 2012; Publicado: 11 Junio 2012
Derechos de Autor © 2012 Corbin et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Financiación:. El Centro para la Investigación en Salud Pública está apoyado por una subvención del Programa del Consejo de Investigación de Salud de Nueva Zelanda. Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
los estudios ocupacionales a menudo implican el análisis simultáneo de múltiples exposiciones y /o múltiples ocupaciones. Un enfoque convencional para este tipo de análisis es construir un modelo separado para cada profesión, de ajustar por factores de confusión posibles. Sin embargo, este enfoque trata a todas las asociaciones por igual, sin tener en cuenta el hecho de que algunas ocupaciones son
a priori
más propensos a estar en riesgo que otros, es decir, que algunas ocupaciones tienen evidencia previa de asociaciones con la enfermedad en estudio , mientras que otras ocupaciones no lo hacen. Además, para aquellas ocupaciones que muestran una fuerte elevada (o reducida) los riesgos relativos, sus estimaciones de riesgo pueden estar sesgados fuera de la nula debido al error aleatorio, y es probable que si el estudio se repite, entonces los riesgos estima más cerca de la nula haría se encuentran, debido a la "regresión a la media".
Semi-Bayes métodos de ajuste han demostrado ser métodos válidos para estos problemas, sobre todo cuando a estimar los parámetros se pueden clasificar en grupos dentro de los cuales los diversos ocupaciones o exposiciones tienen riesgos que son similares o "canjeables" sobre la base de
a priori
conocimiento [1]. La idea básica de ajuste Semi-Bayes para comparaciones múltiples es que la variación observada de los riesgos estimados alrededor de su media geométrica será más grande que la variación de los verdaderos (pero desconocidos) riesgos. El método de Bayes-Semi [2] especifica un
a priori
valor de la variación de los verdaderos riesgos; este
a priori
valor se utiliza a continuación para ajustar los riesgos observados [3]. El ajuste consiste en la contracción de las estimaciones de la periferia hacia la media global de las estimaciones observadas. Cuanto mayor sea la varianza individual de las estimaciones, el más fuerte es la contracción, es decir, la contracción es más fuerte para las estimaciones menos fiables basados en números pequeños.
ajuste Semi-Bayes es un caso especial del método más general de jerárquica regresión [4]. El último enfoque incorpora una serie de tipos específicos de modelo de regresión como casos especiales, como la regresión bayesiana, la regresión semi-Bayes, la regresión Stein, la regresión verosimilitud penalizada, y la regresión contraída. En el contexto actual, la regresión jerárquica se puede utilizar para incorporar similitudes anterior entre las exposiciones de interés en un modelo de la segunda etapa. Este enfoque ha sido utilizado previamente en varios estudios que incluyen la evaluación de múltiples exposiciones /factores de riesgo, por ejemplo, estudios sobre la dieta [5], los estudios genéticos [6], [7] y los estudios profesionales [8] - [10]. El objetivo del presente trabajo fue volver a analizar los datos de un estudio de casos y controles de cáncer de pulmón en el trabajo, la aplicación de regresión jerárquica e incluyendo la información previa de un trabajo-exposición-Matrix validado (JEM). En particular, se incluyeron en el modelo de la segunda etapa de la exposición a carcinógenos pulmonares tres conocidos para cada ocupación, bajo el supuesto de que las ocupaciones que implica niveles de exposición similares a la misma carcinógeno pulmonar están asociadas con riesgos similares de cáncer de pulmón.
Materiales y Métodos
Declaración de Ética
el presente estudio es un re-análisis del subgrupo italiana del estudio multicéntrico sobre el cáncer de pulmón de la Agencia Internacional para la Investigación sobre el cáncer (IARC) [11 ], se solicitó por lo tanto ninguna nueva aprobación del comité de ética.
Descripción de los datos
los datos provienen de un estudio de casos y controles de base poblacional realizado entre 1990 y 1992 en dos zonas de Italia ( la ciudad de Turín y la parte oriental de la región de Véneto). La metodología del estudio se ha descrito en otra parte [11]. En pocas palabras, los casos (956 hombres y 176 mujeres) fueron todas las personas diagnosticadas con cáncer de pulmón primario durante el incidente 1990-1992, edad menor de 75 y residente en las áreas de estudio. Los controles (1.253 hombres y 300 mujeres) fueron seleccionados al azar de los registros de la población local y la frecuencia emparejaron con los casos por sexo, área de estudio y grupos quinquenales de edad. Se recogió información sobre datos demográficos básicos, tabaquismo activo y pasivo, y la historia de vida en el trabajo. En particular, las fechas de comienzo y finalización de trabajo, así como el título del trabajo y la rama de la industria, se registraron para cada período de trabajo que duró al menos 6 meses. Los puestos de trabajo y las ramas de la industria fueron codificados ciega estado de casos y controles de acuerdo con la Clasificación Internacional Uniforme de Ocupaciones (CIUO-68) [12] y la Clasificación Industrial Internacional Uniforme (CIIU) [13], respectivamente. Los análisis actuales se llevaron a cabo sólo en hombres con fotos
Nos centramos en tres productos químicos que fueron clasificadas por la Agencia Internacional para la Investigación sobre el Cáncer (IARC) [14] como carcinógenos del Grupo 1 de segmentación del pulmón:. Asbesto, cromo y sílice. La exposición a estas sustancias cancerígenas se evaluó a través de una matriz de exposición general de población Trabajo (DOM-JEM) desarrollado en 2010 por tres expertos profesionales (HK, RV y SP) para un gran estudio de casos y controles combinados sobre el cáncer de pulmón [15]. El DOM-JEM asigna una puntuación ordinal exposición para varias sustancias cancerígenas de pulmón (0 = ninguna exposición, 1 = baja exposición, 2 = alta exposición) para cada código de ISCO.
Análisis convencional
Los análisis se realizaron a nivel de código de tres dígitos de la CIUO. Para los códigos ISCO empezando por "X" (trabajadores no pueden clasificarse según la ocupación) y para los que se especifican a un máximo de 2 dígitos, todas las historias ocupacionales correspondientes se eliminan del conjunto de datos, dando como resultado la exclusión de 5 casos y 14 controles. Único trabajo códigos con al menos diez sujetos fueron retenidos en los análisis (n = 129). Los modelos de primera etapa estiman el riesgo de cáncer de pulmón para cada uno de los 129 ocupaciones separado. La odds ratio (OR) para siempre estar expuesto a cada puesto de trabajo se modeló mediante regresión logística no condicional, ajustando por edad, área de estudio y el hábito de fumar cigarrillos (nunca, ex, actual): donde
Y
es una variable dicotómica que representa el estado del cáncer de pulmón (
Y
= 1: casos;
Y
= 0: controles), OCC
i (i = 1, ..., 129) es una variable dicotómica que representa el estado de exposición a la i
ª ocupación, w es un vector de variables incluidas en el modelo (es decir, la edad, el área de estudio, y el hábito de fumar cigarrillos), es el término de intersección, es el coeficiente de regresión correspondiente a la i
ª ocupación, y es el vector de coeficientes de regresión correspondientes a las covariables para el i
ª ocupación.
también llevó a cabo una regresión logística condicional. Dado que las estimaciones obtenidas a través de regresión condicional e incondicional de ajustar por las variables coincidentes fueron muy similares, aquí solo mostramos los obtenidos mediante regresión logística no condicional.
Las RUP con sus correspondientes intervalos de confianza del 95% (IC) se calcularon a través de máxima verosimilitud utilizando el procedimiento SAS logística.
regresión jerárquica
regresión jerárquica se puede utilizar para tratar de mejorar el de máxima verosimilitud (ML) estimaciones mediante el uso de un modelo lineal de la segunda etapa [5], [6]. El modelo de la segunda etapa se utiliza aquí una regresión del ln (O) s de las ocupaciones en estimados niveles de exposición las ocupaciones al amianto, el cromo y sílice. (2) es el vector 129-elemento del ln (O) s para las ocupaciones . es thematrix (intercepción y 2 variables indicadoras por la exposición) obtenido a partir del DOM-JEM [15] que clasifica las 129 ocupaciones en función de sus niveles de exposición al amianto, el cromo y sílice. Cada agente carcinógeno tiene dos posibles niveles de exposición, expresada por dos variables dicotómicas
Más específicamente, tenemos:.
es el valor en la fila y la columna, donde y y son mutuamente excluyentes.
Apéndice S1 muestra las filas 55 a 60 de la matriz. Por ejemplo, se encuentra en la 55
ª fila y el 6
ésima columna de la matriz y es igual a 1, ya que "los trabajadores de viveros y jardineros" están expuestos a la sílice (de suelo) en el nivel 1.
es el vector de 7 elementos (estimado por el modelo de la segunda fase) de los coeficientes correspondientes a los efectos sobre el cáncer de pulmón de los niveles de exposición a los agentes cancerígenos que se describen en tres.
es un elemento-129 vector de los términos de error representan el efecto residual de estar empleado en cada ocupación después de la contabilidad para la exposición al amianto, el cromo y sílice.
es un vector de 129 elementos de ceros.
es el la segunda etapa matriz de covarianza. La varianza de la segunda etapa de una estimación para una determinada ocupación representa la varianza residual del efecto de la ocupación después de tener en cuenta los efectos de los tres agentes carcinógenos pulmonares. Esto puede estimarse a partir de los datos (Empirical Bayes) o especifica
a priori
(Semi-Bayes). Utilizamos aquí el enfoque semi-Bayes. es un parámetro usado para controlar la fuerza de la contracción común de todos los coeficientes de LD hacia sus medios anteriores. Hemos establecido a 0,23, 0,41, 0,59 y 0,76, que corresponde a la hipótesis de que 95% de los riesgos relativos sería se encuentran dentro de un pliegue de rango 2,5, 5, 10 y 20 el uno del otro, respectivamente, si T fue la matriz de identidad. Asumimos que la varianza de la segunda etapa para cada ocupación depende de sus niveles de exposición a los tres agentes carcinógenos, de forma que el mayor de los niveles de exposición, menor es la variación de la segunda etapa. Para mayor facilidad de cálculo, no incluía la correlación residual entre las ocupaciones. es entonces una matriz diagonal (véase el apéndice S2 para ver ejemplos de cálculo) con: (3)
El modelo fue ajustado con R (software libre para computación y gráficos estadísticos) [16] (aunque este tipo de análisis pueden ser también hecho en SAS y Stata, o con cualquier paquete de regresión logística mediante la adición de los datos anteriores simples [17]). El código es una versión modificada del código proporcionado por Chen y Witte [6] y está disponible bajo petición. Los coeficientes fueron estimados por mínimos cuadrados ponderados (véase el Apéndice S3). Sustituirlos en la ecuación (2) proporcionó medios anteriores de los coeficientes de las ocupaciones. estimaciones de regresión jerárquica (estimaciones posteriores) para los coeficientes para cada ocupación continuación, se obtiene promediando los coeficientes ml (a partir de análisis convencional) y sus respectivos medios de la técnica anterior, de modo que el más grande de los elementos diagonales de, más fuerte es la contracción de coeficientes hacia su previo significa.
ajuste semi-Bayes hacia la media global
Se han comparado los resultados obtenidos a través de regresión jerárquica con los obtenidos a través de un ajuste semi-Bayes más tradicional hacia la media mundial, utilizadas anteriormente en el trabajo estudios con comparaciones múltiples [3], [18] - [22]. La varianza de la verdadera ln (OR) s se supone que es 0,25. Suponiendo una distribución normal de los ln (O) s, esta elección implica que los verdaderos RUP están dentro de un rango de 7 veces el uno del otro [2]. El ajuste semi-Bayes se aplicó por separado dentro de los dos grupos de ocupaciones que se cree que implica diferentes niveles de exposición a carcinógenos pulmonares: las ocupaciones en poder de los trabajadores de cuello blanco (identificado por el primer dígito del código de ISCO & lt; 6, menos susceptibles de provocar la exposición a carcinógenos) y las ocupaciones en poder de los trabajadores de cuello azul (identificadas por el primer dígito de la CIUO code≥6, más probable que conllevan algunos o fuerte exposición a agentes cancerígenos). Para cada grupo de ocupaciones, este método fue equivalente a un caso particular de regresión jerárquica en la que sólo se incluyó la intersección en el modelo de la segunda etapa.
Resultados
La Tabla 1 resume las características básicas de los sujetos incluidos en nuestros análisis.
la Tabla 2 presenta las RUP de cáncer de pulmón por los siglos de haber sido expuestos a cada nivel de exposición de los carcinógenos incluidos en el modelo de la segunda etapa (amianto, el cromo y sílice ). Estos OR se estimaron mediante modelos de regresión logística, ajustando por edad, área de estudio y el hábito de fumar cigarrillos (nunca, ex, actual). Nunca ser expuestos a cada una de las tres sustancias cancerígenas se asoció con un mayor riesgo de cáncer de pulmón, con riesgos más altos observados para los altos niveles de exposición.
La Tabla 3 muestra los estadísticos descriptivos de la distribución de la 129 s obtiene ln (O) a través de la estimación ML, un ajuste semi-Bayes (SB), y jerárquico de regresión (HR) con = 0,76, = 0,59, 0,41 y = = 0,23.
en comparación con la ML, la media de la distribución del ln (O) s se tira hacia cero después de SB y HR. Para HR, este efecto es más fuerte para valores más pequeños de. La desviación estándar de la distribución de la ln (O) s también se reduce por tanto SB y HR y es más pequeño para valores más pequeños de (Tabla 3). También se puede notar que ambas estimaciones SB y de recursos humanos tienen un promedio de los errores estándar más pequeños.
Los gráficos de densidad del núcleo (Figura 1) de la ln (OR) s muestran distribuciones menos sesgada izquierda para SB y de recursos humanos que para las las estimaciones de LD (medianas más pequeño después de SB y HR también son evidentes en la Tabla 3). Esto es debido al hecho de que las estimaciones extremas, que son más propensos a ser inestable, se tira hacia sus medios anteriores.
distribuciones del núcleo de densidad de la ln (OR) s de cáncer de pulmón para los 129 ocupaciones seleccionadas obtuvieron usando máxima verosimilitud (ML), el ajuste semi-Bayes hacia la media mundial (SB) y la regresión jerárquica (HR).
En la Tabla 3, podemos ver que, para la SB, la media y la la desviación estándar de la distribución ln (O) s están incluidos entre los valores correspondientes para HR [= 0,41] y HR [= 0,59]. Sin embargo, la distribución obtenida después de la SB está más acentuado que dejó después de HR (Figura 1). La curva de densidad de SB tiene una pendiente mayor en su lado derecho que en su lado izquierdo: mientras que el lado izquierdo se encuentra entre las curvas de recursos humanos [= 0,41] y HR [= 0,59], el lado derecho se encuentra bajo las dos curvas. Esto indica que las estimaciones positivas extremas son en general encogido más fuertemente hacia el valor nulo (ln (OR) = 0) a través de SB que a través de HR.
El efecto de la contracción se puede ver en los gráficos de dispersión en la figura 2, donde las RUP para cada ocupación estimados con recursos humanos y SB se representan frente a las estimaciones ML. Las estimaciones más ML son del valor nulo (OR = 1), la más dispersa son estimaciones de recursos humanos y SB y cuanto más fuerte es la contracción. Como era de esperar, las estimaciones extremas se tira con más fuerza para valores pequeños de.
Gráficos de dispersión de las RUP de cáncer de pulmón para los 129 ocupaciones seleccionadas estima mediante regresión jerárquica (HR) con = 0,76
vs
. Máxima Verosimilitud (ML) (A), con HR = 0,59
vs
. ML (B), con HR = 0,23
vs
. ML (C) y el ajuste semi-Bayes hacia la media mundial (SB)
vs.
ML (D).
El Cuadro 4 muestra las estimaciones obtenidas O a través de los diferentes métodos para las ocupaciones asociadas a los veinte más altos riesgos de cáncer de pulmón en el análisis convencional (RUP para todas las ocupaciones están disponibles en el apéndice S4). La contracción es particularmente fuerte para los agricultores especializados (ML OR = 3,44, SB OR = 1,59, recursos humanos o [= 0,76] = 1,81, recursos humanos o [= 0,23] = 1,00) y para los marineros de máquinas de los buques, que están altamente expuestos a amianto (ML OR = 5,88, SB OR = 1,54, recursos humanos o [= 0,76] = 2,43, recursos humanos o [= 0,23] = 1,78). Esto es debido al hecho de que estas dos ocupaciones se llevan a cabo por un pequeño número de sujetos y los intervalos de confianza para las estimaciones de ML son por lo tanto muy grande. A pesar de las grandes entidades de crédito, sin embargo, las estimaciones encogido '' aún indican que estas ocupaciones están asociados con un mayor riesgo de cáncer de pulmón, y sus RUP son consistentes con los de otras ocupaciones que entrañen la exposición a carcinógenos pulmonares.
SB con un
a priori
verdadera desviación estándar de 0,5 estimaciones proporcionadas que eran menos dispersos que las estimaciones de recursos humanos obtenidos con los valores elegidos de (Figura 2). En particular, SB encogido todos los aumentos en los presupuestos de LD hacia la nula, mientras que algunos aumentos en los presupuestos fueron sacados fuera de la nula cuando se utiliza HR. Por ejemplo, la estimación del riesgo de LD para "fundición de metales, la conversión y Fundidores de refinación" (ML OR = 1,07, SB OR = 1,06, recursos humanos o [= 0,59] = 1,26, recursos humanos o [= 0,41] = 1,37) está cerca de la nula mientras que HR, ponderación para su exposición al amianto tanto (baja exposición) y el cromo (alta exposición), tira de la estimación del riesgo fuera de la nula. Del mismo modo, HR estima un mayor riesgo de "Los mineros y canteros" (ML OR = 1,19, SB OR = 1,14, recursos humanos o [= 0,59] = 1,27, recursos humanos o [= 0,41] = 1,30), expuestos a tanto amianto (baja exposición ) y sílice (alta exposición). "annealers Metal, templadores y casos endurecedores" (ML OR = 1,14, SB OR = 1,08, recursos humanos o [= 0,59] = 1,42, recursos humanos o [= 0,41] = 1,44) conductores sólo están altamente expuestos a cromo y "motor de tren y los bomberos "(ML OR = 0,97, SB OR = 1,01, recursos humanos o [= 0,59] = 1,35, recursos humanos o [= 0,41] = 1,47) están particularmente expuestas al amianto. Sin embargo, las estimaciones ML tienen grandes variaciones, lo que aumenta la fuerza de la contracción hacia las RUP anteriores y las variaciones en las estimaciones de riesgo elevados después de HR. Por otro lado SB, utilizando distribuciones a priori menos informativos, realiza una contracción más sistemático y da como resultado una reducción general de las RUP. Algunas RUP ML por debajo de 1 también se contraen por encima del 1 por HR mientras que éstos se habrán hacia arriba, pero por debajo del 1 por SB, como en el caso de las "ruedas de metal" (ML OR = 0,58, SB OR = 0,84, recursos humanos o [= 0,76] = 0.91, HR O [= 0,59] = 0,98, recursos humanos o [= 0,41] = 1,07, recursos humanos o [= 0,23] = 1,12). Por lo tanto, en general, SB con un
a priori
verdadera desviación estándar de 0,5 y HR = 0,59 con proporcionar encogimientos de magnitud similar, pero con diferentes estimaciones de riesgo para las ocupaciones conocidas
a priori
estar expuestos a carcinógenos pulmonares.
Discusión
En nuestro análisis, HR proporciona estimaciones que puedan ser más fiables y tienen intervalos de confianza más estrechos que se obtienen con el análisis de LD convencional. Muchas de las estimaciones más extremas obtenidos a través del análisis de LD se basan en números pequeños y tienen amplios intervalos de confianza. HR, mediante la inclusión de información previa sobre la exposición a carcinógenos tres pulmonares en un modelo de segunda etapa, estas estimaciones tira hacia sus respectivos medios anteriores y por lo tanto reduce sus errores estándar estimados y los intervalos de confianza. La fuerza y la dirección de la contracción de las estimaciones más extremos dependen de las exposiciones anteriores estimados de las correspondientes ocupaciones a los tres agentes carcinógenos. Por ejemplo, "los agricultores especializados" no están expuestos a cualquiera de los carcinógenos considerados y, por tanto HR tira de la correspondiente O fuertemente hacia el valor nulo mientras que el O sigue siendo elevado durante "hornos de fusión y recalentadores de metal" que están expuestos al amianto y tanto el cromo. En una situación de comparaciones múltiples, recursos humanos es, pues, una herramienta útil para el análisis de datos que tiene en cuenta las múltiples comparaciones involucradas y los puntos en común de las exposiciones a través de diferentes ocupaciones.
En nuestro análisis, recursos humanos y la contracción SB tuvieron efectos similares en las estimaciones de LD. Sin embargo, puesto HR utiliza información previa más detallada que la SB, la contracción realizado por el método anterior es probable que sea más apropiada y específica que la última (por supuesto siempre que esta información antes es razonablemente válida). Nuestros resultados muestran que todas las estimaciones se encogieron hacia el valor nulo a través de SB, mientras que algunos de ellos fueron sacados en la dirección opuesta por HR, debido a la utilización de la información previa adicional. Por lo tanto, ambos enfoques tienen como objetivo la disminución de resultados falsos-positivos, pero HR también mitiga el efecto inherente de la contracción del aumento de falsos negativos. Por otro lado, SB es más fácil de calcular y no necesita la manipulación de una matriz de la segunda etapa. La elección entre los dos métodos depende, por tanto, esencialmente de la disponibilidad y la fiabilidad de la información incluida en el modelo de segunda etapa.
La contracción de recursos humanos como se propone en este trabajo podría tener dos consecuencias relevantes cuando se realizan análisis exploratorios en riesgos asociados con ocupaciones: i) que disminuye la posibilidad de que una ocupación que implica la exposición a importantes carcinógenos conocidos es despedido por el estudio, ii) que ayuda a recoger, entre las ocupaciones que no impliquen la exposición a carcinógenos ocupacionales conocidos, los cuales deben estar más lejos investigado y es más probable que proporcione información sobre el papel de los carcinógenos ocupacionales nuevos o sospechados. Nuestros hallazgos sobre los pintores de construcción, que se asociaron con una OR de 1,85 (IC del 95%: [1.0-3.15]) en el enfoque estándar ML, son un ejemplo de esta última implicación. De acuerdo con los pintores de construcción DOM-JEM no están expuestos a cromo o sílice y tienen una baja exposición al amianto. Sin embargo, el OR permanece elevada después de HR, incluso cuando se utiliza una de 0,23 (IC del OR = 1,23, 95%: [0,8 a 1,72]), lo que sugiere que cualquier aumento del riesgo se debe a otras exposiciones. Por lo tanto, vale la pena llevar a cabo más estudios sobre pintores. De hecho, un reciente meta-análisis de 47 estimaciones independientes de la asociación entre el empleo de pintor y el riesgo de cáncer de pulmón estima un riesgo global relativo de 1,35 (IC del 95%: [1,2 a 1,41]), que está más cerca de nuestra HR que nuestro ML estimación [23]. Si HR pesa información del DOM-JEM en exceso, podríamos incurrir en el problema de que los altos riesgos de ocupaciones clasificadas como no expuestos a los carcinógenos 3 consideradas (pero que puedan estar expuestos a otros carcinógenos) siempre son derribados. Entre las 20 ocupaciones con los más altos RUP ML, 6 eran no expuesto al asbesto, cromo o sílice. HR contracción era fuerte para los riesgos sobre la base de un pequeño número de sujetos, pero no anuló los basados en números más grandes, como tapiceros (ML OR: 2.27, HR o [= 0,59]: 1,62) y sastres /modistas (ML O: 2.08, HR O [= 0,59]: 1,49)
la inclusión de muchas covariables en el modelo de la segunda etapa puede conducir a problemas de colinealidad y dificultades en la estimación de los coeficientes de la segunda etapa.. Por esta razón, nuestros análisis se limita a tres agentes carcinógenos pulmonares conocidos desde el DOM-JEM [15]. El JEM utiliza aquí clasifica la exposición a los agentes cancerígenos en tres niveles, y éstos fueron utilizados para especificar el modelo de segunda etapa. Antes de ajustar el modelo, se verificó que un número suficiente de sujetos fueron expuestos a cada nivel de los carcinógenos seleccionados para asegurar la convergencia del modelo. Si esta condición no se mantuvo, se podría haber utilizado una versión más simple de la matriz con la exposición dicotómica para los carcinógenos. Un futuro desarrollo interesante de este método podría ser el uso de variables de exposición continuas en el modelo de la segunda etapa.
En nuestro análisis, hemos evaluado el impacto de cuatro valores diferentes de. La elección de depende del número de covariables segunda etapa se incluyen en el modelo, cómo fuertes y fiables de sus asociaciones, tanto con el resultado y las exposiciones de interés son, y lo bien que la primera fase de modelo se ha especificado (es decir, si puede ser asumieron que todos los factores de confusión relevantes han sido incluidos). En nuestro análisis, se optó por incluir tres bien conocidos fuertes carcinógenos laborales de los pulmones, y nuestra primera fase de modelo se ajustó para fumar. Por consiguiente, era razonable suponer que el 95% de las estimaciones podría estar dentro de un 10-fold-alcance máximo de unos a otros (por ejemplo, entre 0,5 y 5,0) después de considerar las covariables de la segunda etapa, y de 0,59 sería preciso. Para cada ocupación, fue inversamente ponderado por la cantidad de exposición a carcinógenos como se especifica en el JEM. A este respecto, HR es superior a SB ya que modula la ponderación asignada a la variación residual de cada ocupación y por lo tanto la cantidad de contracción hacia información previa.
HR ya ha demostrado ser un enfoque válido para ajustar para comparaciones múltiples en estudios que implican el análisis de múltiples exposiciones y los resultados [10] en el trabajo y en estudios ocupacionales donde se retrocedido las exposiciones de primera etapa (agentes físicos y químicos) en las propiedades físico-químicas en un modelo de segunda etapa [8], [9 ]. En nuestro análisis, nos hemos centrado en los riesgos asociados con las ocupaciones y carcinógenos incluidos en un modelo de segunda etapa. Encontramos que los recursos humanos también podría ser una herramienta valiosa en estudios ocupacionales en los que se estima que el riesgo de enfermedad para una gran cantidad de ocupaciones cuando tenemos información disponible sobre los riesgos carcinogénicos clave involucrados en cada ocupación. Con el progreso constante en los métodos de evaluación de la exposición en lugares de trabajo y la construcción y refinamiento de matrices de exposición de empleo, debería ser más fácil tener acceso a esta información y llevar a cabo este tipo de análisis en el futuro.
Información de Apoyo
Apéndice S1. Sección Red de la matriz durante seis ocupaciones (filas 55 a 60) guía doi: 10.1371 /journal.pone.0038944.s001 gratis (DOC)
Apéndice S2.
Ejemplos de cálculo de los elementos de la segunda etapa de la matriz de covarianza
doi: 10.1371 /journal.pone.0038944.s002 gratis (DOC)
apéndice S3.
Cálculo de la regresión jerárquica estima
doi: 10.1371 /journal.pone.0038944.s003 gratis (DOC)
apéndice S4.
odds ratio de cáncer de pulmón y los intervalos de confianza del 95% obtenidos mediante Máxima Verosimilitud (ML), el ajuste semi-Bayes hacia la media mundial (SB) y la regresión jerárquica (CRI) de las 129 ocupaciones ISCO (códigos de 3 dígitos; n & gt; 10)
doi:. 10.1371 /journal.pone.0038944.s004 gratis (DOC)
Reconocimientos
Agradecemos a D. Mirabelli por sus útiles consejos