×
周海明;蒂莫西·汉森;张佳佳

任意删失数据的广义加速失效时空脆弱性模型。 （英语） Zbl 1366.62193号

寿命数据分析。 23，第3期，495-515（2017）.
摘要：在癌症生存模型中灵活地结合地理模式和风险影响变得越来越重要，部分原因是最近有了大型癌症登记册。大多数空间生存模型对不同亚群的生存曲线进行随机排序。然而，在流行病学癌症研究中，两个亚群的生存曲线交叉是常见的，因此，如果不进行一些修改，就无法使用可解释的标准生存模型。常见的修复方法是在比例风险模型或完全非参数模型中包含时变回归效应，这两种方法都会破坏拟合模型的任何容易解释性。为了解决这个问题，我们开发了一个广义加速失效时间模型，该模型允许对连续或类别协变量进行分层，并通过新的近似贝叶斯因子提供了分层是否必要的全变量测试。该模型可以从以下方面进行解释中位数生存率是如何变化的，并且能够在存在空间相关性的情况下捕获交叉生存曲线。提出了一种详细的马尔可夫链蒙特卡罗算法，用于后验推理和自由可用的函数脆弱性GAFT提供用于适应R包中的模型spBayes Surv公司我们将我们的方法应用于路易斯安那州国家癌症研究所的监测、流行病学和最终结果计划收集的前列腺癌数据子集。

引用于4文件

MSC公司：

62号05 可靠性和寿命测试
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：

区间删失数据;异方差生存;线性相关无尾过程;空间数据;分层AFT模型

软件：

quantreg公司;R（右）;spBayes Surv公司;脆弱性GAFT
PDF格式BibTeX公司 XML格式引用
\textit{H.Zhou}等人，《寿命数据分析》。23，第3号，495--515（2017；Zbl 1366.62193）
全文： 内政部 链接

参考文献：

[1] Banerjee S，Carlin BP（2003）半参数时空脆弱性建模。环境计量学14（5）：523-535·doi:10.1002/env.613
[2] Banerjee S，Dey DK（2005）空间相关生存数据的半参数比例优势模型。寿命数据分析11（2）：175-191·Zbl 1080.62085号 ·doi:10.1007/s10985-004-0382-z
[3] Banerjee S，Wall MM，Carlin BP（2003）空间相关生存数据的脆弱性建模，并应用于明尼苏达州的婴儿死亡率。生物统计学4（1）：123-142·Zbl 1142.62420号 ·doi:10.1093/biostatistics/4.1.123
[4] Besag J（1974），晶格系统的空间相互作用和统计分析。J R Stat Soc 36（2）：192-236·Zbl 0327.60067号
[5] Bouliotis G，Billingham L（2011）《跨越生存曲线：对数-库检验的替代方法》。试验12（补充1）：A137·doi:10.1186/1745-6215-12-S1-A137
[6] Chiou SH，Kang S，Yan J（2015）分层抽样聚类失效时间的半参数加速失效时间建模。美国统计协会期刊110:621-629·Zbl 1373.62492号 ·doi:10.1080/01621459.2014.917978
[7] Christensen R，Johnson W（1988）用Dirichlet过程模拟加速失效时间。生物特征75（4）：693-704·Zbl 0659.62047号 ·doi:10.1093/biomet/75.4.693
[8] Cox DR（1975）部分可能性。生物特征62（2）：269-276·Zbl 0312.62002号 ·doi:10.1093/biomet/62.269
[9] De Iorio M，Johnson WO，Müller P，Rosner GL（2009）贝叶斯非参数非比例风险生存模型。生物统计学65（3）：762-771·Zbl 1172.62073号 ·doi:10.1111/j.1541-0420.2008.0166.x
[10] Dickey JM（1971）加权似然比，正常位置参数的线性假设。数学年鉴42（1）：204-223·Zbl 0274.62020 ·doi:10.1214/aoms/1177693507
[11] Gamerman D（1997）广义线性混合模型中的后验分布抽样。统计计算7（1）:57-68·doi:10.1023/A:1018509429360
[12] Geisser S，Eddy WF（1979）模型选择的预测方法。美国统计协会杂志74（365）：153-160·Zbl 0401.62036号 ·网址：10.1080/01621459.1979.10481632
[13] Gelfand AE，Dey DK（1994）贝叶斯模型选择：渐近和精确计算。J R Stat Soc 56（3）：501-514·Zbl 0800.62170号
[14] Gelfand AE，Vounatsou P（2003）用于空间数据分析的适当多变量条件自回归模型。生物统计学4（1）：11-15·Zbl 1142.62393号 ·doi:10.1093/biostatistics/4.1.11
[15] Haario H，Saksman E，Tamminen J（2001）自适应大都会算法。伯努利7（2）：223-242·Zbl 0989.65004号 ·doi:10.2307/3318737
[16] Hanson T，Johnson WO（2002）用Polya树的混合物建模回归误差。美国国家统计协会97（460）：1020-1033·Zbl 1048.62101号 ·doi:10.1198/016214502388618843
[17] Hanson T，Johnson WO（2004）间隔相关数据的贝叶斯半参数AFT模型。J计算组统计13（2）：341-361·doi:10.1198/1061860043489
[18] Hanson T，Kottas A，Branscum A（2008）《接收机工作特征数据分析中的随机顺序建模：贝叶斯非参数方法》。J R Stat Soc杂志57（2）：207-225·Zbl 1366.62219号 ·文件编号：10.1111/j.1467-9876.2007.00609.x
[19] Hanson TE（2006）有限Polya树模型混合物的推断。美国统计协会杂志101（476）：1548-1565·Zbl 1171.62323号 ·doi:10.1198/016214500000384
[20] Hanson TE，Jara A（2013）生存完全贝叶斯非参数回归模型。贝叶斯理论与应用。牛津大学出版社，牛津，第592-615页·Zbl 1231.62178号
[21] Hanson TE，Jara A，Zhao L等人（2012）具有空间脆弱性的贝叶斯半参数时间-分层比例风险模型。贝叶斯分析7（1）：147-188·Zbl 1330.62368号 ·doi:10.1214/12-BA705
[22] Henderson R、Shimakura S、Gorst D（2002），白血病生存数据的空间变异建模。美国统计学会杂志97（460）：965-972·Zbl 1048.62102号 ·doi:10.1198/016214502388618753
[23] Hennerfeind A、Brezger A、Fahrmeir L（2006），地质加性生存模型。美国统计协会J Am Stat Assoc 101（475）：1065-1075·Zbl 1120.62331号 ·doi:10.19198/016214506000000348
[24] Jara A，Hanson TE（2011）一类依赖无尾过程的混合物。生物特征98（3）：553-566·Zbl 1231.62178号 ·doi:10.1093/biomet/asq082
[25] Koenker R（2008）删失分位数回归回归。J Stat Softw杂志27（6）：1-25·doi:10.18637/jss.v027.i06
[26] Kottas A，Gelfand AE（2001）贝叶斯半参数中值回归建模。美国国家统计协会96（456）：1458-1468·Zbl 1051.62038号 ·doi:10.1198/016214501753382363
[27] Kuo L，Mallick B（1997）加速失效时间模型的贝叶斯半参数推断。加拿大统计局25（4）：457-472·Zbl 0894.62033号 ·doi:10.2307/3315341
[28] Li Y，Ryan L（2002）使用半参数脆弱性模型建模空间生存数据。生物统计学58（2）：287-297·Zbl 1209.62222号 ·doi:10.1111/j.0006-341X.200200287.x
[29] Logan BR，Klein JP，Zhang M-J（2008）在交叉生存曲线存在的情况下比较治疗：在骨髓移植中的应用。生物统计学64（3）：733-740·Zbl 1170.62394号 ·doi:10.1111/j.1541-0420.2007.00975.x
[30] Neal RM（2003）切片取样。Ann Stat 31（3）：705-767·Zbl 1051.65007号 ·doi:10.1214/aos/1056562461
[31] Pang L，Lu W，Wang HJ（2015）异方差加速失效时间模型的局部Buckley-James估计。统计Sin 25（3）：863-877·Zbl 1415.62074号
[32] Portnoy S（2003）删失回归分位数。美国统计协会杂志98（464）：1001-1012·Zbl 1045.62099号 ·doi:10.1198/0162145000000954
[33] Raftery AE（1996）通过后验模拟进行假设检验和模型选择。在：马尔可夫链蒙特卡罗实践。纽约州施普林格，第163-187页·兹伯利0841.62019
[34] Robert C，Casella G（2005）蒙特卡罗统计方法。施普林格，纽约·Zbl 1096.62003年
[35] Verdinelli I，Wasserman L（1995）使用Savage-Dickey密度比的泛化计算贝叶斯因子。美国统计协会J Am Stat Assoc 90（430）：614-618·Zbl 0826.62022号 ·doi:10.1080/01621459.1995.10476554
[36] Walker SG、Mallick BK（1999）贝叶斯半参数加速失效时间模型。生物计量学55（2）：477-483·兹比尔1059.62531 ·doi:10.1111/j.0006-341X.1999.00477.x
[37] Wang S，Zhang J，Lawson AB（2012）贝叶斯正态混合加速失效时空模型及其在前列腺癌中的应用。统计方法医学研究doi:10.1177/0962280212466189·Zbl 1454.62430号
[38] Zellner A（1983）贝叶斯分析在计量经济学中的应用。统计员32（1/2）：23-34·doi:10.2307/2987589
[39] Zhang J，Lawson AB（2011）贝叶斯参数加速失效时空模型及其在前列腺癌中的应用。J应用统计38（3）：591-603·Zbl 1511.62389号 ·doi:10.1080/022667760903521476
[40] Zhao L，Hanson TE（2011）生存数据的空间相关Polya树建模。生物统计学67（2）：391-403·Zbl 1217.62197号 ·doi:10.1111/j.1541-0420.2010.01468.x
[41] Zhao L，Hanson TE，Carlin BP（2009）《Polya树的混合用于灵活的空间脆弱生存建模》。生物特征96（2）：263-276·Zbl 1163.62079号 ·doi:10.1093/biomet/asp014
[42] Zhou H，Hanson T，Jara A，Zhang J（2015）使用协变量调整脆弱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）：43-68·Zbl 1454.62430号 ·doi:10.1214/14-AOAS793
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。