Get access

Bayesian hierarchical models for food frequency assessment

Authors

  • Hae-Ryoung Song,

    1. Division of Biostatistics & Epidemiology College of Medicine, Medical University of South Carolina, Charleston, SC, USA
    Search for more papers by this author
  • Andrew B. Lawson,

    Corresponding author
    1. Division of Biostatistics & Epidemiology College of Medicine, Medical University of South Carolina, Charleston, SC, USA
    • Division of Biostatistics & Epidemiology College of Medicine, Medical University of South Carolina, Charleston, SC, USA.
    Search for more papers by this author
  • Daniela Nitcheva

    1. Division of Biostatistics & Epidemiology College of Medicine, Medical University of South Carolina, Charleston, SC, USA
    Search for more papers by this author

Abstract

The aim of this study is to assess the biases of a Food Frequency Questionnaire (FFQ) by comparing total energy intake (TEI) with total energy expenditure (TEE) obtained from doubly labelled water(DLW) biomarker after adjusting measurement errors in DLW. We develop several Bayesian hierarchical measurement error models of DLW with different distributional assumptions on TEI to obtain precise bias estimates of TEI. Inference is carried out by using MCMC simulation techniques in a fully Bayesian framework, and model comparisons are done via the mean square predictive error. Our results showed that the joint model with random effects under the Gamma distribution is the best fit model in terms of the MSPE and residual diagnostics, in which bias in TEI is not significant based on the 95% credible interval. The Canadian Journal of Statistics 38: 506–516; 2010 © 2010 Statistical Society of Canada

Abstract

Le but de cette étude est de mesurer le biais du questionnaire sur la fréquence de consommation des produits alimentaires (FFQ) en comparant les apports énergétiques totaux (TEI) avec la dépense énergétique totale (TEE) obtenue à partir du biomarqueur double de l'eau (DLW) après ajustement des erreurs de mesure du DLW. Plusieurs modèles bayésiens hiérarchiques pour les erreurs de mesure du DLW, sous différentes hypothèses sur la distribution du TEI, sont considérés afin d'obtenir un estimé précis du biais du TEI. L'inférence est faite en utilisant des techniques de simulation MCMC dans un cadre bayésien complet. Les comparaisons de modèles sont faites en utilisant l'erreur de prédiction quadratique moyenne (MSPE). Nos résultats montrent que le modèle conjoint avec effets aléatoires, sous le modèle de densité gamma, donne le meilleur ajustement en fonction du MSPE et des diagnostics sur les résidus. Ces derniers montrent que le biais du TEI est non significatif en se basant sur un intervalle de crédibilité de niveau 95%. La revue canadienne de statistique 38: 506–516; 2010 © 2010 Société statistique du Canada

Get access to the full text of this article

Ancillary