软件影响10（2021）100147原始软件出版物InteractionR：一个R包，用于完整报告效应修改和相互作用巴巴通德岛Alli（BDS，MSc）麦吉尔大学牙科学院，2001 McGill College Avenue，Montreal，QC，H3A 1G1，CanadaA R T I C L E I N F O保留字：数据分析预防医学公共卫生基因-环境相互作用A B标准在流行病学研究中经常评估效应修饰和/或相互作用。然而，在大多数情况下，作者没有提供足够的信息，让读者充分评估的程度和意义在加法和乘法尺度上的相互作用。此外，由于在大多数软件中很容易获得，尽管与替代方法相比，delta方法的性能较差，但在文献中，delta方法已大量用于估计加性相互作用测量的置信区间（CI）我们介绍interactionR，一个开源的R包，具有用户友好的功能，确保根据推荐的指南完整报告效果修改或相互作用。除了简单的渐近delta方法，该软件包还允许使用方差恢复和百分位数自举方法估计加性相互作用测量的CI。代码元数据当前代码版本v0.1.3用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2021-115可复制胶囊的永久链接https://codeocean.com/capsule/4102138/tree/v1法律代码许可证GPL v3使用Git的代码版本控制系统软件代码语言，工具和服务使用R编译要求、操作环境和依赖关系R >= 2.10如果可用，请链接到开发人员文档/手册https://github.com/epi-zen/interactionR#readme问题支持电子邮件babatunde. mail.mcgill.ca1. 介绍尽管效应修饰分析在神经病学文献中普遍存在，但其报告严重不足[1]。例如，虽然偏离加和性与疾病预防和公共卫生干预更相关[2]，但大多数研究仅报告了乘法尺度上的相互作用，因为这可以很容易地从逻辑回归模型中两次暴露的乘积项的指数系数中提取[1]。为了改善这种情况，Knol和Vanderweele提出了一系列关于报告效应改变分析的建议[3]在他们的rec-他们将效应修饰与相互作用区分开来。效应修正是指一次暴露对结果的影响在第二次暴露的分层内不同，而相互作用是两次暴露对结果的因果影响[5]。对于具有三个二分变量的效应修正分析：暴露A对结果Y和假定修正变量的效应因此，他们建议主要报告以下内容（表1a）：(i) 个体（A对Y（比值比（OR）01）和M对Y（OR10））和联合效应估计值（A和M对Y（OR11））及置信区间（CI），以最低风险分层（OR00）作为参考本文中的代码（和数据）已由Code Ocean认证为可复制：（https://codeocean.com/）。更多关于生殖器的信息徽章倡议可在https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals上查阅。电子邮件地址：babatunde. mail.mcgill.ca。https://doi.org/10.1016/j.simpa.2021.100147接收日期：2021年9月6日;接收日期：2021年9月16日;接受日期：2021年9月17日2665-9638/©2021作者。由Elsevier B. V.发布，这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impacts年Alli软件影响10（2021）1001472表1效应修正和交互作用分析的推荐报告格式。aa.A = 0 A = 1 A = 1 vs A = 0M层M = 0或00（95% CI）【参考文献】OR01（95% CI）或A= 1 vsA =0[M = 0]（95% CI）M = 1或10（95% CI）或11（95% CI）或A= 1 vsA =0[M = 1]（95%置信区间）加性尺度上的效应修正措施（95% CI）;根据乘法量表（95% CI）进行效应修正;调整OR。. . ba.A = 0 A = 1 A = 1 vs A = 0M层M = 0或00（95% CI）【参考文献】OR01（95% CI）或A= 1 vsA =0[M = 0]（95% CI）M = 1或10（95% CI）或11（95% CI）或A= 1 vsA =0[M = 1](95% CI）M = 1 vs M = 0在AORM= 1 vsM =0[A = 0]（95% CI）或M= 1与M =0[A = 1](95% CI）相加量表上的相互作用测量（95% CI）;乘法量表上的相互作用（95% CI）;校正OR。. .虽然这里使用OR（比值比），但也可以表示风险比（RR）或风险差（RD）。(ii) M分层内A对Y影响的估计值和CI 和(iii) 加性（例如，相互作用引起的相对超额风险，RERI）和具有CI的倍增效应修正的如果对A和M在Y上的相互作用感兴趣，则另外报告除上述内容外，在分层内M对Y的影响的估计和CI（表1b）。以这种方式呈现结果可以让读者充分解释交互的所有维度[3]。在R [6]中拟合回归模型将产生一些填写此表所需的直接估计值，但是，RERI、ORA=1vsA=0 [M = 1]、ORM=1vsM=0 [A = 1]等估计值及其CI无法从回归模型的标准输出中获得，需要使用其他方法和编码来产生。这些所需的额外步骤可能会阻止较吝啬的作者根据上述建议进行全面报告。使事情更加复杂的是文献中用于估计这些加性相互作用指标（即RERI、归因比例（AP）和协同指数（SI））的CI的竞争方法。第一个这样的方法是Hosmer和Lemeshow [7]提出的简单渐近delta方法，尽管它有充分的缺点[ 12，13 ]，但它在文献[8-delta方法通过对产生加性相互作用度量的基础效应度量（风险比（RR）或OR）的置信限施加非自然对称性来估计加性相互作用度量的CI的下限和上限。 这可能导致加性相互作用测量的置信下限过高，从而导致假阳性结果[13]。为了克服缺点， 的 的 三角洲 方法， Assmann等人。[12]提出了一种用于RERI CI的非参数自举方法，其中RERI每次在原始样本的指定数量（通常为1000）的自举复制（带替换）中估计。那么RERI的95%CI是得到的正态分布的第2.5和第97.5百分位数。虽然，如果样本量足够大，这种方法具有优越的性能[12，13]，由于在一些自举模拟中不可避免的稀疏单元，它在大多数观察性研究进行的典型样本量下分崩离析[14]。随后，Zou [ 13 ]提出了方差恢复该方法利用RR或OR的置信限的不对称性质来恢复这些置信限的方差。用于估计相互作用指标CI的效应指标。 这种方法在典型样本量下表现出比delta方法更好的性能，在更大的样本量下表现出与bootstrapping相当的性能。虽然有R函数[8，9]来估计加性相互作用的相关度量，但它们使用易于实现的delta方法计算CI上述delta方法的替代方法隐藏在他们出版物的附录中，以电子表格，Stata和SAS代码[12，13]的形式，使研究人员无法访问。在主要统计软件中，delta方法用于估计加性相互作用指标的CI的容易获得性可以解释其在文献中的突出地位。在本文中，我们介绍了2. 软件描述interactionR在R统计软件环境[6]中实现; R可从https://www.r-project.org/安装。该包的主要面向用户的函数interactionR（）接受以下参数：• 模型：由用户使用考虑中的两个暴露的交互作用项拟合的回归模型。这可能是glm类的对象，具有逻辑回归的有效链接或风险比的近似值，clogit类或coxph类。它也可以包括混杂因素调整，这是通常的情况。• exposure_names：拟合模型中存在的两个• ci.type：一个字符串默认值为• ci.level：返回的CI级别的大小。• em：TRUE，用于效果修改评估。，用于交互。• 重新编码：如果为TRUE，则重新编码暴露-如果至少有一个暴露是保护性的-这样具有最低 当这两种风险被联合考虑时，风险成为新的参考类别（参见Knol et al.[16]）。年Alli软件影响10（2021）100147表33|+由'interactionR_table（）'函数返回的酒精和吸烟对口腔癌的相互作用smk缺失smk存在smk在alcOR [95% CI] OR [95% CI] OR [95% CI]alc缺失1 [参比品] 2.96 [0.68，12.91] 2.96 [0.68，12.91]alc存在3.33 [0.7，15.86] 9.04 [2.64，30.91] 2.71 [1，7.37]alc在smk地层中的作用3.33 [0.7，15.86] 3.05 [1.29，7.18]乘法量表0.91 [0.15，5.42]RERI 3.74 [−11.43，21.87]AP 0.41 [-0.38，0.81]SI 1.87 [0.65，5.42]例1. 酒精和吸烟对口腔癌的共同影响。想想Rothman和Keller [17]的病例对照数据，他们研究了酒精和吸烟对口腔癌的联合影响。Hosmer和Lemeshow [18]和Zou [13]之前使用过该数据集，并将其作为“OCdata”包含在我们的软件包中，以便用户轻松复制我们的分析。它包含两种暴露，酒精假设我们正在考虑相互作用，并且我们想要使用MOVER方法计算加性相互作用指标的CI，我们将首先拟合以下logistic回归模型，其中包含酒精和吸烟对口腔癌的相互作用项：Logit（Pr（OCiAlcohol，Smoking））=1.酒精i+2.吸烟i���������3.酒精饮料 * 吸烟i在R中为：➢ m = glm（oc = alc*smk，系列=二项式（link =“logit”），数据= OC数据）然后将拟合➢table_object = interactionR（m，exposure_names = c这将返回类interactionR的列表对象，其中包括一个包含完整报告效应修改或交互作用所需的所有效应估计值的框架。如果需要，用户可以访问该数据框和列表的其他组成部分，以进行进一步操作。重要的是，输出对象的格式化方式使得数据帧可以由制表函数interactionR_table（）处理。一个例子是：➢ interactionR_table（table_object）如果需要，制表函数将把一个准备发布的表格作为word文档（表2）保存到用户的工作目录中返回的RERI的点估计值和CI（3.74; 95% CI：-11.43，21.87）（表2）与Zou报告的该数据相同[13]– 如果interactionR（）中的除了这里描述的主函数外，该软件包还为每个CI估计方法提供独立函数：interactionR_mover（），interactionR_delta（）和interactionR_boot后者实现了Assmann等人[12]描述的附加交互措施的CI的百分位自举。实施例2. 运动与吸烟对腰椎间盘突出症的影响。为了说明interactionR_boot（）函数，考虑Assmann等人在其分析中检查的体育参与和吸烟对腰椎间盘突出影响的病例对照数据。该数据集在软件包中以“HDiscdata”形式提供该函数接受以下参数：• model：glm类的拟合模型。要求在任何其他协变量/混杂因素（如适用）之前首先列出具有相互作用项的暴露量。• ci.level; em; recode：如上面对interactionR（）的描述。• seed：用于生成bootstrap样本的随机数种子（用于再现性）。默认值为12345，但可以设置为任何数字。• s：引导恢复的次数默认值为1000同样，首先，我们拟合一个回归模型：➢ m2 = glm（h ns*smk，系列=二项式（link =“logit”），数据= HDiscdata）然后，将对象传递给interactionR_boot（）函数，如下所示：➢ table_object2 = interactionR_boot（m2，ci.level = 0.95，em= F，recode = F，seed = 12345，s = 1000）这运行了1000次非参数bootstrap样本，其中包含替换和百分位CI。该函数还返回类interactionR的列表对象，其中包含所有期望的估计值，并且可由先前描述的制表函数interactionR_table（）操作。在返回的对象上调用interactionR_table（）将生成表3，其中RERI和AP的CI的估计值与Assmann报告的相似等人for this data数据.此外，用户还可以使用一些基本的R函数来进一步操作interactionR_boot（）中输出对象的某些部分。一个简单的例子是：➢ hist（table_object2$bootstrap）这将产生三个自举参数（RERI、AP和SI）中的每一个的分布的直方图，允许用户检查返回估计的总体性能和准确性3. 对学术研究的效应修正和相互作用使我们能够识别和锁定预防性公共卫生干预可能最有效的高危人群[19]。这对于设计预防策略和优化分配不断减少的公共卫生资源至关重要[2，5，19]。interactionR软件包允许研究人员生成可供发表的表格，其中包括利益相关者全面评估效应调节和相互作用的所有维度所需的所有效应估计。它还估计了三个加性相互作用措施的置信区间，使用三角洲的方法，方差恢复法，百分位数自举。后两个方法是R中的第一个实现。该软件用于分析并报告了最近进行的一项研究的结果，该研究评估了吸烟对艾滋病毒感染口腔HPV的影响[20]。这项研究确定了艾滋病毒感染者也吸烟作为任何未来口服HPV筛查发展的高风险群体。此外，该软件包目前正在使用的研究人员在世界各地，包括在美国国立卫生研究院[个人通信，2021年3月9日6月年Alli软件影响10（2021）100147表44运动与吸烟对腰椎间盘突出症的交互作用 通过 的 ‘interactionR_table()’smk缺失smk存在smk在nsOR [95% CI] OR [95% CI] OR [95% CI]ns缺失1 [参比品] 1.88 [1.29，2.73] 1.88 [1.29，2.73]ns存在2.38 [1.27，4.46] 1.98 [1.12，3.48] 0.83 [0.3s 9，1.75]ns在smk2.38 [1.27，4.46] 1.05 [0.61，1.83]乘法尺度0.44 [0.19，1.02]RERI −1.28 [−3.63，0.54]AP −0.65 [−2.21，0.18]SI 0.43 [0.07，1.41]4. 软件的未来改进和局限性该软件包的未来迭代将包括从Richardson和Kaufman [14]提出的线性风险模型中实现基于似然的CI估计，以及可能开发的任何其他稳健方法的更新。最后，本文给出的示例根据先前主题分析中使用的病例-对照数据集的logistic回归模型估计的比值比计算加性相互作用度量[12，13，18]。这已成为文献中相当标准的方法[19]。 然而，如果研究的OR不接近RR，则该方法所得的RERI和SI将是对任何潜在累加相互作用的夸大估计[21]。因此，该方法的使用者必须确保在其研究中完全满足OR接近RR所需的条件（例如竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作确认杨百翰是魁北克-桑特研究基金会博士研究金的获得者。我感谢Sreenath A。 感谢Madathil作为第一个测试人员，并对早期版本的软件包的设计提出了重要的反馈意见，并感谢Belinda Nicolau对手稿提出了有用的意见。引用[1]M.J. Knol，M. Egger P. 斯科特， M.I. 格林， J.P. 范登布鲁克， 当 一个依赖于另一个：病例对照和共同研究中相互作用的报告，流行病学20（2009）161http://dx.doi.org/10.1097/EDE。0b013e31818f6651。[2]K.J. Rothman ， S. Greenland ， A.M. Walker ， Concepts of interaction ， Am.J.Epidemiol. 112 （ 1980 ） 467 http://dx.doi.org/10.1093/oxfordjournals.aje 。a113015。[3]M.J. Knol，T.J. VanderWeele，《效应修正和相互作用分析的建议》，Int. J.流行病学41（2012）514 -520，http：//dx. doi.org/10.1093/ije/dyr218。[4]J.P. Vandenbroucke等人，加强观察性研究的报告在流行病学（STROBE）中：解释和阐述，流行病学18（2007）805http://dx.doi.org/10.1097/EDE.0b013e3181577511[5]T.J.VanderWeele ， Onthedistinctionbetweeninteractionandeffectmodification ， Epidemiology 20 （ 2009 ） 863 http://dx.doi.org/10.1097/EDE.0b013e3181ba333c。[6]R ： A Language and Environment for Statistical Computing ， R Foundation forStatistical Computing，维也纳，奥地利，2019年。[7]D.W. Hosmer ， S. Lemeshow ， 相 互 作 用 的 置 信 区 间 估 计 ， Epi-Physiology 3（1992）452http://dx.doi.org/10.1097/00001648-199209000-[8] H. Källberg，A.阿尔布姆湖Alfredsson，使用R计算生物相互作用的措施，Eur。J.Epidemiol. 21（2006）571-http://dx.doi.org/[9]M.B. Mathur，T.J.范德维尔，R功能为添加剂互动措施，流行病学29（2018）e5http://dx.doi.org/10.1097/ede。00000000000752.[10] R. 利 湖 ， 加 - 地 Chambless ， 比 例 风 险 模 型 中 的 加 性 相 互 作 用 检 验 ， Ann.Epidemiol 。 17 （ 2007 ） 227http://dx.doi.org/10.1016/j.annepidem 。2006.10.009。[11] T.安德森湖，澳-地阿尔弗雷德松，H。Källberg，S. Zdravkovic，A. Ahlbom，生物相互作用的计算措施，Eur。 J. 流行病学20（2005）575//dx.doi.org/10.1007/s10654-005-7835-x网站。[12] S.F. Assmann，D.W. Hosmer，S. Lemeshow，K.A. Mundt，相互作用测量的置信区间，流行病学（1996）286-290。[13] G.Y. Zou， 关于 使用 四乘 二表 及其 他表 估计 加性 互作 ，Am. J.Epidemiol. 168（2008）212 http://dx.doi.org/10。1093/aje/kwn104。[14] D.B.理查德森，J.S. Kaufman，由于相互作用和相关置信界限导致的相对超额风险估计，Am。J.Epidemiol.169（2009）756http://dx.doi.org/10.1093/aje/kwn411[15] 年 Alli ， interactionR ： 用 于 完 整 报 告 效 应 修 改 和 相 互 作 用 的 R 包 ， 2021，http://dx.doi.org/10.5281/ZENODO.4924045。[16] M.J. Knol等人，在预防性暴露的加性量表上估计相互作用的措施，Eur。J.Epidemiol. 26（2011）433-http://dx.doi.org/[17] K. Rothman，A. Keller，联合暴露于酒精和烟草对口腔和咽癌风险的影响，J.Chronic Dis. 25（1972）711-[18] D.W. Hosmer，S. Lemeshow，相互作用的置信区间估计，流行病学3（1992）452-456。[19] T.J. VanderWeele，M.J. Knol，A tutorial on interaction，Epidemiologic Methods 3（2014）33http://dx.doi.org/10.1515/em-2013-0005[20] 年Alli等人，艾滋病毒改变吸烟对口腔人乳头瘤病毒感染的影响，J.感染。Dis.222（2020）646http://dx.doi.org/[21] L. Kalilani，J.Atashili，使用比值比测量加性相互作用，表观遗传学观点。创新3（2006）5，http://dx.doi.org/10.1186/1742-5573-3-5。
我的内容管理
展开
