贝叶斯核机回归-因果中介分析 （BKMR-CMA）causalbkmr R包

GAP

混合物的单个元素，暴露混合物和介质的元素以及任何非线性之间的所有真实存在的相互作用需要包括在介质和结果的模型中，以获得无偏估计。随着多维暴露尺寸的增加，使用当前的方法来获得中介效应的无偏估计变得非常困难。

本算法解决的问题

使用BKMR进行中介分析时，可以通过将核心中的可能的非线性和相互作用考虑在内，估计潜在的暴露混合物的直接效应（NDE）、间接效应（NIE）和总效应（CDE）。此外，使用调解者和结果的后验预测分布来预测反事实，并提出一个估计调解效果的算法。

BKMR-CMA概念

BKMR-CMA 是一种结合了贝叶斯核多元回归（Bayesian Kernel Machine Regression）和中介分析（Causal Mediation Analysis）的方法。它的中文全称为“贝叶斯核多元回归-因果中介分析”，英文全称为“Bayesian Kernel Machine Regression-Causal Mediation Analysis”。简称为“BKMR-CMA”。

BKMR-CMA分析中感兴趣的效应

1. 总效应（Total Effect, TE）：这是暴露因素对结果变量的整体影响，包括直接路径和间接路径的影响。

2. 自然直接效应（Natural Direct Effect, NDE）：在中介变量固定不变的情况下，暴露因素对结果变量的直接影响。NDE 描述了如果暴露A从一个水平a*改变到另一个水平a，同时保持中介