There is substantial interest in assessing how exposure to environmental mixtures, such as chemical mixtures, affect child health. Researchers are also interested in identifying critical time windows of susceptibility to these complex mixtures. A recently developed method, called lagged kernel machine regression (LKMR), simultaneously accounts for these research questions by estimating effects of time-varying mixture exposures, and identifying their critical exposure windows. However, LKMR inference using Markov chain Monte Carlo methods (MCMC-LKMR) is computationally burdensome and time intensive for large datasets, limiting its applicability. Therefore, we develop a mean field variational Bayesian inference procedure for lagged kernel machine regression (MFVB-LKMR). The procedure achieves computational efficiency and reasonable accuracy as compared with the corresponding MCMC estimation method. Updating parameters using MFVB may only take minutes, while the equivalent MCMC method may take many hours or several days. We apply MFVB-LKMR to PROGRESS, a prospective cohort study in Mexico. Results from a subset of PROGRESS using MFVB-LKMR provide evidence of significant positive association between second trimester cobalt levels and z-scored birthweight. This positive association is heightened by cesium exposure. MFVB-LKMR is a promising approach for computationally efficient analysis of environmental health datasets, to identify critical windows of exposure to complex mixtures.

中文翻译：

---

对时变复杂环境混合物的健康影响建模：滞后核机器回归的平均场变分贝叶斯

评估暴露于环境混合物（例如化学混合物）如何影响儿童健康引起了极大兴趣。研究人员还对确定对这些复杂混合物敏感的关键时间窗口感兴趣。最近开发的一种称为滞后核机器回归 (LKMR) 的方法通过估计时变混合暴露的影响并确定其关键暴露窗口来同时解决这些研究问题。然而，使用马尔可夫链蒙特卡罗方法 (MCMC-LKMR) 的 LKMR 推理对于大型数据集来说计算量大且耗时，限制了其适用性。因此，我们开发了一种用于滞后核机器回归 (MFVB-LKMR) 的平均场变分贝叶斯推理程序。与相应的 MCMC 估计方法相比，该过程实现了计算效率和合理的精度。使用 MFVB 更新参数可能只需要几分钟，而等效的 MCMC 方法可能需要几个小时或几天。我们将 MFVB-LKMR 应用于 PROGRESS，这是一项在墨西哥进行的前瞻性队列研究。使用 MFVB-LKMR 的 PROGRESS 子集的结果提供了孕中期钴水平与 z 评分出生体重之间显着正相关的证据。铯暴露增强​​了这种正相关性。MFVB-LKMR 是一种很有前途的方法，可以有效地计算环境健康数据集，以确定暴露于复杂混合物的关键窗口。而等效的 MCMC 方法可能需要数小时或数天。我们将 MFVB-LKMR 应用于 PROGRESS，这是一项在墨西哥进行的前瞻性队列研究。使用 MFVB-LKMR 的 PROGRESS 子集的结果提供了孕中期钴水平与 z 评分出生体重之间显着正相关的证据。铯暴露增强​​了这种正相关性。MFVB-LKMR 是一种很有前途的方法，可以有效地计算环境健康数据集，以确定暴露于复杂混合物的关键窗口。而等效的 MCMC 方法可能需要数小时或数天。我们将 MFVB-LKMR 应用于 PROGRESS，这是一项在墨西哥进行的前瞻性队列研究。使用 MFVB-LKMR 的 PROGRESS 子集的结果提供了孕中期钴水平与 z 评分出生体重之间显着正相关的证据。铯暴露增强​​了这种正相关性。MFVB-LKMR 是一种很有前途的方法，可以有效地计算环境健康数据集，以确定暴露于复杂混合物的关键窗口。铯暴露增强​​了这种正相关性。MFVB-LKMR 是一种很有前途的方法，可以有效地计算环境健康数据集，以确定暴露于复杂混合物的关键窗口。铯暴露增强​​了这种正相关性。MFVB-LKMR 是一种很有前途的方法，可用于环境健康数据集的计算高效分析，以确定暴露于复杂混合物的关键窗口。