Time series models of environmental exposures: Good predictions or good understanding

داده های سری زمانی در اپیدمیولوژی زیست محیطی محبوب هستند زیرا آنها از آزمایش طبیعی این است که چگونه تغییرات در مواجهه با زمان ممکن بر روی بیماری تاثیر می گذارد. بسیاری از مقالات منتشر شده از سری زمانی استفاده از مدل های سنگین پارامترهای است که به طور کامل الگوهای نظم مرتبه دوم در بیماری را برای دادن به باقی مانده هایی که هیچ وابستگی خودکار یا فصلی کوتاه مدت ندارند، به طور کامل توضیح دادند. این اغلب به وسیله پیش بینی کننده هایی از شمارۀ بیماری های گذشته (خودکارآمدی) یا اسپلین های فصلی با درجه های مختلف آزادی به دست می آید. این رویکردها باقیمانده های زیادی را به ارمغان می آورند، اما به درک ما از علت و معلول کمی کمک می کنند. ما استدلال می کنیم که رویکردهای مدل سازی باید بیشتر بر اپیدمیولوژی خوب و کمتر در آزمون های آماری تکیه کنند. این شامل تفکر در مورد مسیرهای علی است، ایجاد اختلال بالقوه صریح، تعدیل تعداد محدودی از مدل ها، و نه بیش از حد مناسب با هزینه پایین برآورد ارتباط واقعی بین قرار گرفتن در معرض و بیماری.