×
Xavier Piulachs;拉蒙·阿勒芒;蒙特塞拉特·吉伦;迪米特里斯·里佐普洛斯

纵向计数和左转时间到事件数据与医疗保险应用程序的联合模型。 （英语） 兹比尔1404.62113

分拣 41，第2期，347-372（2017）.
摘要：老龄化社会给健康保险领域带来了重大挑战。需要根据老年投保人的个人健康状况为其提供公平的保费，而保险公司则希望计划应对超出平均预期寿命的潜在成本。在本文中，我们关注的是西班牙巴塞罗那65岁及以上的一大批投保人。提出了一个共享参数联合模型，用于分析紧急索赔的年需求量与死亡时间结果之间的关系。我们比较了这两个过程之间关联的不同函数形式，并进一步说明了拟合模型如何提供生存概率的时间动态预测。参数估计是在贝叶斯框架下使用马尔可夫链蒙特卡罗方法进行的。

MSC公司：

62P05号 统计学在精算科学和金融数学中的应用
62N01号 审查数据模型
62页第10页 统计学在生物学和医学中的应用；元分析
2015年1月62日 贝叶斯推断
91B30型 风险理论，保险（MSC2010）

关键词：

联合模型;面板计数数据;左截断;贝叶斯框架;健康保险

软件：

DHARMa公司;计数;卡爪;JMbayes公司;吉咪;CAS数据集
PDF格式BibTeX公司 XML格式引用
\textit{X.Piulachs}等人，SORT 41，No.2，347--372（2017；Zbl 1404.62113）
全文： 内政部

参考文献：

[1] Abrahamowicz，M.、Beauchamp，M.-E.和Sylvestre，M.-P.（2011年）。将药物接触与不良反应联系起来的替代模型的比较。｛\f5医学统计学｝，311014-1030。
[2] Barlow，W.和Prentice，R.（1988年）。相对风险回归残差。{\it Biometrika}，75，65-74·Zbl 0632.62102号
[3] Boucher，J.-P.，Denuit，M.和Guill´en，M.（2008）。基于泊松分布和负二项分布推广的具有时间依赖性的保险索赔计数模型。{\it方差}，2135-162。
[4] Cameron，C.和Trivedi，K.（1998年）。{计数数据的回归分析}。30号。剑桥大学出版社。英国剑桥。
[5] Charpentier，A.（2015）。{\it计算精算科学与R}。佛罗里达州博卡拉顿：查普曼和霍尔/CRC The R系列·Zbl 1293.91002号
[6] Chen，B.、Covinsky，K.、Stijacic，C.、Adler，N.和Williams，B.（2012）。老年人的主观社会地位和功能下降。{普通内科杂志}，27693-699。
[7] Dow，W.、Schoeni，R.、Adler，N.和Stewart，J.（2010年）。评估证据基础：解决卫生领域社会经济地位梯度的政策和互动。纽约科学院年鉴，1186240-251。
[8] Dunn，K.和Smyth，G.（1996年）。随机分位数残差。计算与图形杂志，5236-244。
[9] Eilers，P.和Marx，B.（1996年）。具有B样条和惩罚的灵活平滑。{\it统计科学}，11,89-121·Zbl 0955.62562号
[10] Eilers P.、Marx，B.和Durb´an，M.（2015）。二十年的P样条曲线。｛\ it SORT｝，第39149-186页·Zbl 1339.41010号
[11] Gourieroux，C.、Monfort，A.和Trogon，A.（1984）。伪最大似然法：理论。{it Econo-}{it metrica}，52，681-700·Zbl 0575.62031号
[12] Greene，W.（2008）。计数数据负二项模型的函数形式。{《经济学快报》}，99，585-590·Zbl 1255.62010号
[13] Harrison，X.（2014）。使用观测级随机效应来模拟生态和进化中计数数据的过度分散。{\it PeerJ 2}，e616。
[14] 370纵向计数和左路时间到事件数据的联合模型
[15] Hartig，F.（2017）。{it DHARMa:Hierarchical（Multi-Level/Mixed）Regression Mod-}{it els}的残差诊断。R包版本0.1.5。
[16] Hilbe，J.（2011）。{负二项回归}，第二版。剑桥：剑桥大学出版社·Zbl 1269.62063号
[17] Hinde，J.和Dem´etrio，C.（1998年）。过度分散：模型和估计。计算统计和数据分析，27151-170·Zbl 1042.62578号
[18] Ismail，N.和Jemain，A.（2007年）。用负二项式和广义泊松回归模型处理过分散。《伤亡精算协会论坛》，2007年冬季，第103-158页。
[19] Ivanova，A.、Molenberghs，G.和Verbeke，G.（2016）。不同类型响应联合建模的混合模型方法。{生物制药统计杂志}，26，601-618。
[20] Klein，J.和Moeschberger，M.（2003）。{生存分析：截取和截断数据的技术}。纽约：斯普林格·Zbl 1011.62106号
[21] Lamarca，R.、Alonso，J.、G´omez，G.和Muánoz，A.（1998年）。以年龄为时间尺度的左旋数据：老年人生存分析的替代方法。{老年医学杂志：医学科学}，53，M337-M343。
[22] Lawless，J.（1987）。负二项和混合泊松回归。《加拿大统计杂志》，15209-225·Zbl 0632.62060号
[23] Molenberghs，G.和Verbeke，G.（2005年）。{\it离散纵向数据模型}。纽约：Springer-Verlag·Zbl 1093.62002号
[24] Murawska，M.、Rizopoulos，D.和Lessaffre，E.（2012）。非线性纵向反应的两阶段联合模型和时间-事件模型及其在移植研究中的应用。《概率与统计杂志》，出版于2012年，1-18。
[25] Piulachs，X.、Alemany，R.、Guill´en，M.和Serrat，C.（2015）。医疗保健使用和保险组合寿命不确定性的联合建模。《社会科学中处理不确定性的科学方法》，第289-297页。施普林格国际出版公司。
[26] 普卢默（2003）。JAGS：使用吉布斯抽样分析贝叶斯图形模型的程序。在分布式统计计算国际研讨会论文集中。奥地利维也纳理工大学。
[27] Proust-Lima，C.和Taylor，J.（2009年）。使用治疗后PSA的重复测量开发和验证前列腺癌复发的动态预后工具：联合建模方法。{it生物}{it统计}，10535-549·Zbl 1437.62585号
[28] Rizopoulos，D.（2012）。{纵向和时间到事件数据的联合模型及其在R}中的应用。查普曼和霍尔/CRC生物统计系列。佛罗里达州博卡拉顿·Zbl 1284.62032号
[29] Rizopoulos，D.（2016）。R包JMbayes用于使用MCMC拟合纵向和时间到事件数据的联合模型。{统计软件杂志}，72，1-46。
[30] Rizopoulos，D.和Ghosh，P.（2011）。多纵向结果和事件发生时间的贝叶斯半参数多变量联合模型。{\it医学统计}，301366-1380。
[31] Serrat，C.，Rue，M.，Armero，C.，Piulachs，X.，Perpián´an，H.，Forte，A.，P´aez，A.和G´omez，G.（2015）。前列腺癌风险和纵向前列腺特异性抗原数据联合模型的频繁和贝叶斯方法。{应用统计学杂志}，421223-1239·Zbl 1514.62855号
[32] Spiegelhalter，D.、Best，N.、Carlin，B.和van der Linde，A.（2002年）。模型复杂度和拟合度的贝叶斯度量。{皇家统计学会杂志，B辑}，64，583-639·Zbl 1067.62010年
[33] Thi´ebaut，A.和B´enichou，J.（2004）。流行病学队列数据Cox模型分析中时间尺度的选择：一项模拟研究。｛\f5《医学统计学》｝，233803-3820。
[34] Tsiatis，A.和Davidian，M.（2004）。纵向和时间-事件数据的联合建模：概述。{\it Statistica Sinica}，14809-834·兹比尔1073.62087
[35] Uzunogullari，U.和Wang，J.（1992年）。左向和右向数据风险率估计值的比较。{it Biometrika}，79，297-310。{it Xavier Piulachs，Ramon Alemany，Montserrat Guill´en和Dimitris Rizopoulos}371·兹比尔0751.62021
[36] Viviani，S.、Alf´o，M.和Rizopoulos，D.（2012年）。纵向和生存结果的广义线性混合关节模型。{\it统计与计算}，24417-427·Zbl 1325.62142号
[37] Yu，M.、Taylor，J.和Sandler，H.（2008）。联合纵向生存治愈模型在前列腺癌研究中的个体预测。{美国统计协会杂志}，103，178-187·Zbl 1469.62383号
[38] A.祖尔。
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。