利用多重插补和多维定量偏差分析方法处理亲密伴侣暴力自我报告数据中的测量误差问题

《Epidemiology》：Addressing Measurement Error in Intimate Partner Violence Self-report Data Using Multiple Overimputation and Multidimensional Quantitative Bias Analysis

本研究探讨如何利用暴力专项调查调整DHS数据中的测量误差，采用多维偏差分析和多重过填充法。结果显示假阳性罕见，敏感性因国家及暴力类型异质，过填充调整有效，但DHS估计低于5%时差异显著。过去年估计差异较小，提示回忆偏倚影响。需改进评估方法并纳入内部验证。

　　

摘要通俗语言总结

---

背景：

亲密伴侣暴力（IPV）是一个重要的全球健康问题，测量误差限制了公共卫生行动的有效性。尽管大多数国家的IPV流行率估计数据来自人口与健康调查（DHS）等一般健康调查，但这些数据可能比专门针对暴力的调查所估计的流行率要低。

方法：

我们使用在同一国家、同一年度（±1年内）进行的专门针对暴力的调查作为验证数据，探讨了两种偏差调整方法来纠正DHS流行率估计中的测量误差。在多维偏差分析中，我们直接调整了汇总流行率估计值，使用了不同的敏感度（10%–100%）和特异性（95%–100%）范围，以明确其合理范围。在多重插补方法中，我们重新估计了所有IPV观测值，结合了关于测量误差的先验信息，并对50次迭代的结果进行了平均处理。

结果：

多维偏差分析显示，当假设特异性为95%时，在某些情况下会导致流行率估计值偏低，这证实了假阳性的影响可能可以忽略不计。不同国家和不同类型的IPV中，合理的敏感度差异较大，这可能是由于用于评估IPV的项目数量不同所致。经过多重插补调整后的估计值与调查结果相似，除非未调整的DHS估计值非常低且差异显著。过去一年的估计值与终生估计值之间的差异较小，这表明回忆偏差可能是导致报告不足的一个因素。

结论：

本研究在存在外部信息的具体情境下，分析了由于IPV报告不足而产生的测量误差，强调了使用每个领域多个指标进行更准确的IPV评估的必要性，以及将内部验证研究纳入大规模调查中的重要性。

通俗语言总结：在人口与健康调查（DHS）等一般健康调查中，亲密伴侣暴力（IPV）往往被低估，从而导致流行率估计不准确。本研究利用专门针对暴力的调查数据来校正DHS数据中的测量误差。测试了两种方法：多维偏差分析和多重插补。分析表明，假阳性情况较为罕见，但敏感度因国家和IPV类型而异。经过多重插补调整后的估计值与调查结果相似，除非未调整的DHS估计值非常低且差异显著。过去一年的IPV估计值与终生估计值之间的差异较小，这表明回忆偏差可能是导致报告不足的一个因素。该研究呼吁采用更好的IPV评估方法，并在大型调查中进行验证。

本文由机器生成，可能存在不准确之处。常见问题解答