基于验证数据的测量误差参数在流行病学研究中的迁移应用与偏倚分析

本研究针对流行病学数据中普遍存在的测量误差问题，探讨如何利用验证数据中的测量误差参数（如灵敏度/特异度）进行定量偏倚分析与校正。研究人员系统阐述了迁移测量误差参数所需的独立性假设条件，并通过图示工具阐明参数迁移的有效性，为应用研究提供了可操作的误差校正框架。

　　

测量误差(measurement error)在流行病学研究数据中无处不在，可能导致显著的信息偏倚(information bias)。为应对这一问题，研究人员常采用验证数据(validation data)来分析真实测量值与现有误差测量值之间的关系，并通过测量误差参数（如二分类数据中的灵敏度(sensitivity)和特异性(specificity)）进行量化。利用验证数据通常需要将这些测量误差参数从验证样本迁移到目标研究样本（无论是否包含验证数据中的个体）。本文重点探讨了迁移测量误差参数所需的独立性假设，强调该假设需根据参数形式差异进行调整——即取决于参数是基于真实测量值条件于误差测量值（或反之）的何种形式。通过图示化工具，研究清晰展示了满足假设条件的适用场景，从而明确何种测量误差参数可被有效迁移。这项成果为流行病学家在应用研究中利用验证数据处理测量误差提供了实用方法。

附注：文本包含机器生成内容，可能存在不准确之处。详细常见问题解答可参考https://lww.com/Pages/plainlanguagesummaries.aspx。