Estimating Associations between Multiple Air Pollutants and Mortality in Ontario, Canada using Single-Index Distributed Lag Non-Linear Models
Epidemiological studies have identified three important features in the analysis of air pollution and health: mixtures of multiple exposures, lagged effects, and non-linear effects. These features lead to complex exposure-response surfaces that are difficult to fully specify. Two types of distributed lag non-linear models (DLNMs), based on distinct parameterizations of nonlinear lagged effects, have been proposed, but extending them to multiple exposures remains challenging. In this paper, we propose two single-index DLNMs built on these two parameterizations, together with a unified estimation framework. As these models are based on different assumptions, and there may be no prior knowledge of which is preferable, we derive an AIC for model selection and propose a stacking approach with a scalable implementation to combine inferences across models. This work is motivated by an analysis of daily air pollution and mortality counts in Ontario, Canada, from 2001 to 2015.
Estimation des associations entre plusieurs polluants atmosphériques et la mortalité en Ontario, au Canada, à l'aide de modèles non linéaires à décalage distribué et à indice unique
Des études épidémiologiques ont mis en évidence trois caractéristiques importantes dans l'analyse de la pollution atmosphérique et de la santé : les mélanges d'expositions multiples, les effets différés et les effets non linéaires. Ces caractéristiques conduisent à des surfaces exposition-réponse complexes qui sont difficiles à spécifier complètement. Deux types de modèles non linéaires à décalage distribué (DLNM), basés sur des paramétrisations distinctes des effets non linéaires différés, ont été proposés, mais leur extension à des expositions multiples demeure une tâche difficile. Dans cet article, nous proposons deux DLNM à indice unique basés sur ces deux paramétrisations et un cadre d'estimation unifié. Comme ces modèles reposent sur des hypothèses différentes et qu'il n'existe aucune connaissance préalable permettant de déterminer lequel est préférable, nous nous basons sur l'AIC pour la sélection du modèle et proposons une approche par empilement avec une mise en œuvre évolutive afin de combiner les inférences entre les modèles. Ce travail est motivé par une analyse de la pollution atmosphérique quotidienne et du nombre de décès en Ontario, au Canada, entre 2001 et 2015.
Date and Time
-
Language of Oral Presentation
English
Language of Visual Aids
English