0 avis
Combining expert ratings and exposure measurements : a random effect paradigm.
(Combiner des évaluations d'experts et des mesurages de l'exposition : une approche par modèle à effet aléatoire).
Article
Publié dans : Annals of Occupational Hygiene, Royaume-Uni, vol. 46, n° 5, juillet 2002, pp. 479-487, ill., bibliogr. (En anglais)
Le but de cet article était de présenter un paradigme pour combiner des évaluations d'expert ordinales avec des mesurages de l'exposition pour l'estimation de l'exposition moyenne de groupes d'exposition (GE) dans le cadre d'études épidémiologiques, en tenant compte de l'effet inter-sujets. Le jugement d'expert est utilisé pour classer les GE en un nombre limité de groupes de niveau d'exposition indépendamment des résultats des mesurages. L'exposition moyenne de chaque GE est considérée pour un écart aléatoire par rapport à une valeur centrale spécifique du groupe de niveau. En combinant cette approche avec le modèle usuel à effet aléatoire inter-sujets, un modèle à deux effets aléatoires imbriqués est obtenu. En utilisant l'échantillonneur de Gibbs, de tels modèles peuvent être ajustés en incorporant de l'information a priori concernant les composantes de variance et en utilisant diverses options de modélisation pour les moyennes des groupes de niveau. Une formule approchée est proposée pour l'estimation de la moyenne géométrique de chaque GE comme fonction de la moyenne géométrique des mesurages, des écart-types géométriques inter et intra GE ainsi que de la moyenne estimée du groupe de niveau. Cette formule illustre la façon dont les résultats des autres GE influent sur l'estimation de la moyenne du GE. Ce paradigme est appliqué sur des données réelles de mesurages de la poussière dans une usine sidérurgique. Certaines estimations sont fort différentes en incorporant l'information provenant des jugements d'expert. Des moyennes par groupes de niveaux ont pu être estimés pour différentes hypothèses. Les auteurs argumentent que des évaluations d'expert devraient être faites indépendamment des mesurages existants. Le présent modèle est alors un cadre adapté pour combiner les deux sources d'information.
Suggestions
Du même auteur
