×
穆金建;刘庆阳;郭琳娜;胡冠宇

具有空间变化系数的Cox回归模型的贝叶斯变量选择及其在路易斯安那州呼吸系统癌症数据中的应用。 （英语） Zbl 1523.62171号

生物。J。 63，第8期，1607-1622（2021）.

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

马蹄形先验;马尔科夫蒙特卡洛;监控;流行病学和最终结果（SEER）数据;空间生存
PDF格式BibTeX公司 XML格式引用
\textit{J.Mu}等人，《生物》。J.63，第8号，1607--1622（2021；Zbl 1523.62171）
全文： 内政部 arXiv公司

参考文献：

[1] Banerjee，S.和Dey，D.K.（2005）。空间相关生存数据的半参数比例优势模型。终身数据分析，11（2），175-191·Zbl 1080.62085号
[2] Besag，J.、York，J.和Mollié，A.（1991）。贝叶斯图像恢复，在空间统计中有两个应用。统计数学研究所年鉴，43（1），1-20·Zbl 0760.62029号
[3] Blangiardo，M.、Finazzi，F.和Cameletti，M.（2016年）。使用药物处方评估空气污染对慢性呼吸道疾病影响的两阶段贝叶斯模型。空间和时空流行病学，18，1-12。
[4] Boehm Vock，L.F.、Reich，B.J.、Fuentes，M.和Dominici，F.（2015）。用于调查细颗粒物成分的急性健康影响的空间变量选择方法。生物统计学，71（1），167-177·Zbl 1419.62466号
[5] Carvalho，C.M.、Polson，N.G.和Scott，J.G.（2009年）。通过马蹄铁处理稀疏。国际人工智能与统计会议，573-80。
[6] Carvalho，C.M.、Polson，N.G.和Scott，J.G.（2010年）。稀疏信号的马蹄形估计器。《生物特征》，97（2），465-480·Zbl 1406.62021号
[7] Choi，J.和Lawson，A.B.（2018年）。小区域健康建模的贝叶斯空间相关变量选择。医学研究中的统计方法，27（1），234-249。
[8] Cox，D.R.（1972）。回归模型和生命表。英国皇家统计学会期刊B辑，34187-220·Zbl 0243.62041号
[9] Cressie，N.（1993）。空间数据统计。威利。
[10] Gelfand，A.E.，Kim，H.J。，Sirmans，C.和Banerjee，S.（2003）。空间变系数过程的空间建模。《美国统计协会杂志》，98（462），387-396·兹比尔1041.62041
[11] Geng，L.和Hu，G.（2021）。生存数据的贝叶斯空间同质性追求及其在SEER呼吸系统癌症数据中的应用。生物计量学，https://doi.org/10.1111/biom.13439。 ·Zbl 1520.62209号 ·doi:10.1111/biom.13439
[12] Griffin，J.E.和Brown，P.J.（2010年）。回归问题中正态伽马先验分布的推断。贝叶斯分析，5（1），171-188·Zbl 1330.62128号
[13] Hu，G.和Huffer，F.（2020年）。生存数据的修正Kaplan-Meier估计和带有地理加权的Nelson-Aalen估计。地理分析，52（1），28-48。
[14] Hu，G.，Xue，Y.，&Huffer，F.（2020年）。具有空间变化系数的贝叶斯加速失效时间模型的比较。Sankhyá：《印度统计杂志》，B辑。高级在线出版物。https://doi.org/10.1007/s13571‐020‐00238‐7 ·Zbl 1476.62213号 ·doi:10.1007/s13571‐020‐00238‐7
[15] 易卜拉欣、J.G.、陈、M.‐H.和MacEachern，S.N.（1999）。比例风险模型的贝叶斯变量选择。加拿大统计杂志，27（4），701-717·Zbl 0957.62018号
[16] Kuo，L.和Mallick，B.（1998年）。回归模型的变量选择。桑赫拉：《印度统计杂志》，B辑，60（1），65-81·Zbl 0972.62016号
[17] Lee，K.H.、Chakraborty，S.和Sun，J.（2011年）。高维生存数据半参数比例风险模型中的贝叶斯变量选择。国际生物统计学杂志，7（1），1-32。
[18] Lee，D.、Mukhopadhyay，S.、Rushworth，A.和Sahu，S.K.（2017年）。一个严格的统计框架，用于时空污染预测和评估其对健康的长期影响。生物统计学，18（2），370-385。
[19] Liu，Y.、Shaddick，G.和Zidek，J.V.（2017）。将高维暴露模型纳入空气污染和健康研究。《生物科学统计学》，9（2），559-581。
[20] Park，T.和Casella，G.（2008）。贝叶斯拉索。《美国统计协会杂志》，103（482），681-686·Zbl 1330.62292号
[21] Reich，B.J.、Fuentes，M.、Herring，A.H.和Evenson，K.R.（2010年）。多元空间变系数回归的贝叶斯变量选择。生物统计学，66（3），772-782·Zbl 1203.62198号
[22] Tipping，M.（2003）。关联向量机。美国专利6633857。
[23] Tobler，W.R.（1970年）。一部模拟底特律地区城市发展的电脑电影。《经济地理》，46（补遗1），234-240。
[24] deValpine，P.、Turek，D.、Paciorek，C.J.、Anderson‐Bergman，C.、Lang，D.T.和Bodik，R.（2017）。用模型编程：用NIMBLE编写通用模型结构的统计算法。计算与图形统计杂志，26（2），403-413。
[25] Warren，J.、Fuentes，M.、Herring，A.和Langlois，P.（2012）。空气污染暴露与早产关系的时空建模：确定关键暴露窗口。生物计量学，68（4），1157-1167·Zbl 1259.62106号
[26] Wu，T.T.，Li，G.，&Tang，C.（2015）。删失线性回归和变量选择的经验似然。《斯堪的纳维亚统计杂志》，42（3），798-812·Zbl 1360.62483号
[27] Xue，Y.、Schifano，E.D.和Hu，G.（2019年）。路易斯安那州前列腺癌生存数据的地理加权Cox回归。地理分析，52（4），570-587。
[28] Zhang，Sinha，S.，Maiti，T.，&Shipp，E.（2018年）。加速失效时间模型中的贝叶斯变量选择及其在乳腺癌监测、流行病学和最终结果数据中的应用。医学研究中的统计方法，27（4），971-990。
[29] Zhou，H.、Hanson，T.、Jara，A.和Zhang，J.（2015）。使用协变量调整脆弱性比例风险模型对县级乳腺癌生存数据进行建模。应用统计年鉴，9（1），43·Zbl 1454.62430号
[30] Zhou，H.、Lawson，A.B.、Hebert，J.R.、Slate，E.H.和Hill，E.G.（2008）。前列腺癌诊断年龄和重要预后的联合空间生存模型。医学统计学，27（18），3612-3628。
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。