Vicente G.坎乔。;格拉迪斯·巴里加。;高斯·M·科尔代罗。;埃德温·奥尔特加（Edwin M.M.Ortega）。;铃木，Adriano K。 贝叶斯生存模型，由长期幸存者的终身脆弱性引发。 （英文） 兹标07801603 内尔统计局。 75，第3号，299-323（2021）. 小结：引入比例风险脆弱性模型，以允许脆弱性变量的离散分布。脆弱的零度可以解释为免疫或治愈。它定义了一类生存模型，由具有混合泊松分布的离散脆弱性诱导，可以解释未观察到的离散性。此外，还构建了一种新的回归来评估固化分数中协变量的影响。以前的几个治愈生存模型是该建模框架的特例。推理方法基于贝叶斯方法。提供了一些仿真结果来评估新回归的性能。通过应用于结直肠癌数据来说明其重要性。©2021荷兰统计与运营研究学会 引用于1文件 MSC公司： 62件 统计学的应用 62Nxx号 生存分析和审查数据 62Fxx公司 参数化推理 关键词：贝叶斯程序;结直肠癌;治愈率模型;脆弱模型;生存模型 软件：GAMLSS公司;invGauss公司 PDF格式BibTeX公司 XML格式引用 \textit{V.G.Cancho}等人，Stat.Neerl。75，编号3，299--323（2021；Zbl 07801603） 全文： 内政部 参考文献： [1] Aalen，O.、Borgan，O.和Survival，G.H.（2008）。事件历史分析。纽约：斯普林格·Zbl 1204.62165号 [2] O.O.Aalen（1992）。通过复合泊松分布模拟生存分析中的异质性。应用概率年鉴，2951-972·Zbl 0762.62031号 [3] Barriga，G.D.、Cancho，V.G.、Garibay，D.V.、Cordeiro，G.M.和Ortega，E.M.（2018年）。具有生存分数的新生存模型：对结直肠癌数据的应用。医学研究中的统计方法，28（9），1-15。 [4] Berkson，J.和Gage，R.P.（1952年）。癌症患者治疗后的生存曲线。美国统计协会杂志，47（2），501-515。 [5] Boag，J.W.（1949年）。癌症治疗治愈患者比例的最大似然估计。英国皇家统计学会期刊B辑（方法学），11（1），15-53·Zbl 0034.08001号 [6] Cancho，V.G.、Dey，D.K.、Lachos，V.H.和Andrade，M.G.（2011年）。具有斜正态分布比例混合的贝叶斯非线性回归模型：估计和案例影响诊断。计算统计与数据分析，55（1），588-602·Zbl 1247.62083号 [7] Cancho，V.G.、Rodrigues，J.和deCastro，M.（2011年）。具有治愈率的生存数据的灵活模型：贝叶斯方法。应用统计学杂志，38（1），57-70·Zbl 1511.62315号 [8] Cancho，V.G.，Zavaleta，K.，Macera，M.，Suzuki，A.K.，&Louzada，F.（2018年）。具有离散脆弱性引起的离散的贝叶斯治愈率模型。《统计应用与方法通信》，25（1），471-488。 [9] Caroni，C.、Crowder，M.和Kimber，A.（2010年）。具有离散脆弱性的比例风险模型。终身数据分析，16（3），374-384·Zbl 1322.62261号 [10] Chen，M.H.、Ibrahim，J.G.和Sinha，D.（1999）。具有生存分数的生存数据的新贝叶斯模型。《美国统计协会杂志》，94（447），909-919·Zbl 0996.62019号 [11] Chen，M.H.、Ibrahim，J.G.和Sinha，D.（2002年）。具有治愈分数的多元生存数据的贝叶斯推断。多元分析杂志，80（1），101-126·Zbl 1003.62091号 [12] Cowles，M.K.和Carlin，B.P.（1996年）。马尔可夫链蒙特卡罗收敛诊断：比较综述。《美国统计协会杂志》，91（434），883-904·Zbl 0869.62066号 [13] Cox，D.R.和Oakes，D.（1984）。生存数据分析。英国伦敦：查普曼和霍尔。 [14] DeAngelis，R.、Capocachia，R.，Hakulinen，T.、Soderman，B.和Verdecchia，A.（1999）。癌症生存分析的混合模型：应用于具有协变量的基于人群的数据。医学统计学，18（4），441-454。 [15] deSouza，D.、Cancho，V.G.、Rodrigues，J.和Balakrishnan，N.（2017年）。生存分析中脆弱性导致的贝叶斯治愈率模型。医学研究中的统计方法，26（5），2011-2028。 [16] Dunn，P.K.和Smyth，G.K.（1996）。随机分位数残差。计算与图形统计杂志，5（3），236-244。 [17] Dunson，D.B.和Zhou，H.（2000）。多产性和不育性的贝叶斯模型。美国统计协会杂志，95（452），1054-1062·Zbl 1009.62097号 [18] Economou，P.和Stehlik，M.（2015）。通过均匀性测试对小样本进行脆弱性测试。统计通信——模拟与计算，44（1），40-65·Zbl 1328.62570号 [19] GelfandAE，DeyDK，ChangH.1992年。使用预测分布确定模型，并通过基于采样的方法实现。论文发表于：第四届巴伦西亚国际会议论文集贝叶斯统计学，4月15日至20日（第4卷，第147-167页）。英国牛津：牛津大学出版社。 [20] Hougaard，P.（1984年）。异质种群生命表方法：描述异质性的分布。《生物特征》，71（1），75-83·Zbl 0553.92013号 [21] Hougaard，P.（1986年a）。一类多状态故障时间分布。《生物特征》，73（3），671-678·Zbl 0613.62121号 [22] Hougaard，P.（1986年b）。基于稳定分布的异质种群生存模型。《生物特征》，73（2），387-396·Zbl 0603.62015号 [23] Lancaster，T.（1979）。失业持续时间的计量经济学方法。《计量经济学》，47（4），939-956·Zbl 0412.90018号 [24] Leáo，J.、Leiva，V.、Saulo，H.和Tomazella，V.（2017）。Birnbaum‐Saunders脆弱性回归模型：诊断和医学数据应用。《生物医学杂志》，59（2），291-314·Zbl 1367.62293号 [25] Liu，J.S.（1994）。贝叶斯计算中的坍塌吉布斯采样器及其在基因调控问题中的应用。《美国统计协会杂志》，89（427），958-966·Zbl 0804.62033号 [26] Mazroui，Y.、Mathoulin‐Pelissier，S.、MacGrogan，G.、Brouste，V.和Rondeau，G.（2013年）。具有依赖性终末事件的两类复发事件的多变量脆弱性模型：应用于乳腺癌数据。《生物医学杂志》，55（6），866-884·Zbl 1441.62435号 [27] Moertel，C.G.、Fleming，T.R.、Macdonald，J.S.、Haller，D.G.、Laurie，J.A.、Goodman，P.J.、…Veeder，M.H.（1990）。左旋咪唑和氟尿嘧啶用于结肠癌切除术的辅助治疗。《新英格兰医学杂志》，322（6），352-358。 [28] Rigby，R.A.和Stasinopoulos，D.M.（2005）。位置、规模和形状的广义加性模型（含讨论）。应用统计学，54（3），507-554·兹比尔1490.62201 [29] Rodrigues，J.、deCastro，M.、Cancho，V.G.和Balakrishnan，N.（2009年）。COM‐Poisson治愈率生存模型及其在皮肤黑色素瘤数据中的应用。《统计规划与推断杂志》，139（10），3605-3611·Zbl 1173.62074号 [30] Spiegelhalter，D.J.、Best，N.G.、Carlin，B.P.和van derLinde，A.（2002）。模型复杂性和拟合的贝叶斯度量。英国皇家统计学会期刊B辑（统计方法论），64（4），583-639·Zbl 1067.62010年 [31] Tsodikov，A.D.、Ibrahim，J.G.和Yakovlev，A.Y.（2003）。从生存数据估计治愈率：双组分混合模型的替代方案。《美国统计协会杂志》，98（464），1063-1078。 [32] Tweedie，M.C.K.1984年。区分一些重要指数族的指数。论文发表于：《印度统计学会金禧国际会议统计：应用和新方向》（第579‐604页）。加尔各答：印度统计研究所。 [33] Vaupel，J.W.、Manton，K.G.和Stallard，E.（1979年）。个体脆弱性的异质性对死亡率动态的影响。人口统计学，16（3），439-454。 [34] Wienke，A.（2011年）。生存分析中的脆弱模型。英国伦敦：查普曼和霍尔。 [35] Yakovlev，A.Y.和Tsodikov，A.D.（1996）。肿瘤潜伏期的随机模型及其生物统计应用。新泽西州哈肯萨克：《世界科学》·Zbl 0919.92024号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。