概述

punaf是一款专为队列研究与现况研究设计，用于计算人群归因分数（PAF）及其置信区间，同时提供人群非归因分数（PUF）估计的Stata社区命令。为流行病学与公共卫生研究中评估暴露因素的人群归因影响及潜在干预效益提供了严谨而高效的统计工具。

依赖

Stata 14.0

安装

二选一：

ssc install punaf, replace
cnssc install punaf, replace

示例

示例1，通过比较“情景1”（即一个无孕妇吸烟的假设情景）与“情景0”（即数据采集时的真实世界），来估计孕期母亲吸烟（作为低出生体重预测因子）所对应的人群非归因分数（PUF）与人群归因分数（PAF）。

webuse lbw,clear
logit low i.race i.smoke, or robust
punaf, at(smoke=0) eform

示例2，通过比较“情景1”（即一个所有孕妇均为白人且无孕妇吸烟的假设情景）与“情景0”（即数据采集时的真实世界），来估计母亲孕期吸烟与非白人种族对结局影响的人群非归因分数（PUF）与人群归因分数（PAF）。

logit low i.race i.smoke, or robust
punaf, at(smoke=0 race=1) eform

示例3，演示了在低出生体重与母亲吸烟状态的单变量模型中使用 punaf 命令，以复现 cs 命令输出的总人群归因分数（total PAF）与暴露人群归因分数（exposed PAF）。具体步骤如下：首先调用 cs 命令计算总归因分数与暴露归因分数；随后使用 logit 模型估计母亲吸烟对低出生体重的比值比（OR），并应用 punaf 依次估计总人群及吸烟暴露子人群的情景均值与归因分数（PAFs）；最后，借助 punaf 的 atzero() 选项，比较两种假设情景——“情景0”（所有母亲均不吸烟）与“情景1”（所有母亲均吸烟）。需注意：在此第三组情景对比中，人群非归因分数（PUF）等于 cs 命令输出的RR，且置信区间高度吻合；同时，归因分数（PAF）呈现负值，这是因为相较于“所有母亲吸烟”的世界，“无母亲吸烟”的世界中低出生体重婴儿的数量更少，表明吸烟具有有害效应。

cs low smoke
logit low i.smoke, or robust
punaf, eform at(smoke=0)
punaf if smoke==1, eform at(smoke=0)
punaf, eform at(smoke=1) atzero(smoke=0)

更多解读可以参考作者的会议发言幻灯[1]。

作者

姓名：Roger Newson
机构：Imperial College London, UK.
邮箱：r.newson@imperial.ac.uk