×
安德斯·蒙克;玛丽·斯科夫（Marie Skov Breum）;托本·马丁努森;托马斯·盖兹（Thomas A.Gerds）。

非马尔可夫疾病死亡模型状态占用概率的目标估计。 （英语） Zbl 07748394号

扫描。J.统计。 50，第3期，1532-1551（2023）.
摘要：我们利用半参数效率理论导出了连续时间不可逆疾病死亡模型的状态占用概率的一类估计。我们考虑了有和没有额外基线信息的设置，其中我们没有对模型的强度函数施加特定的函数形式。我们证明了在适当的强度函数估计的假设下，类中的任何估计都是渐近线性的。特别是，这些假设很弱，足以允许使用数据自适应方法，这对于使随机粗化的识别假设在实际设置中合理化很重要。我们提出了一种基于惩罚泊松回归的疾病死亡模型转移强度函数的灵活估计方法。在仿真研究和实际应用中，我们将此方法用于估计疾病死亡模型的干扰参数。
{©2023斯堪的纳维亚统计杂志基金会董事会。}

MSC公司：

62至XX 统计学

关键词：

数据自适应方法;有效估计;疾病-死亡模型;州独立审查;有针对性的学习

软件：

前身;电子交易管理;格尔姆奈特
PDF格式BibTeX公司 XML格式引用
\textit｛A.Munch｝等人，扫描。J.Stat.50，第3号，1532--1551（2023；Zbl 07748394）
全文： 内政部

参考文献：

[1] Allignol，A.、Beyersmann，J.、Gerds，T.和Latouche，A.（2014）。非马尔可夫疾病死亡模型中转移概率非参数估计的竞争风险方法。终身数据分析，20495-513·Zbl 1359.62471号
[2] Allignol，A.、Schumacher，M.和Beyersmann，J.（2011年）。多状态模型的经验转移矩阵：etm包。统计软件杂志，38，1-15https://www.jstatsoft.org/v38/i04/
[3] Andersen，P.K.、Borgan，O.、Gill，R.D.和Keiting，N.（2012年）。基于计数过程的统计模型。施普林格科技与商业媒体。
[4] Bickel，P.J.（1975）。线性模型中的一步huber估计。美国统计协会杂志，70428-434·Zbl 0322.62038号
[5] Bickel，P.J.、Klaassen，C.A.、Ritov，Y.和Wellner，J.A.（1993）。半参数模型的有效自适应估计（第4卷）。约翰·霍普金斯大学出版社·Zbl 0786.62001号
[6] Chernozhukov，V.、Chetverikov，D.、Demirer，M.、Duflo，E.、Hansen，C.、Newey，W.和Robins，J.（2018年）。用于治疗和结构参数的双/脱苦机器学习。《计量经济学杂志》，21，C1-C68。https://doi.org/10.1111/ectj.12097 ·Zbl 07565928号 ·doi:10.1111/ectj.12097
[7] Chetverikov，D.、Liao，Z.和Chernozhukov，V.（2021）。在高维度的交叉验证套索上。《统计年鉴》，49，1300-1317·Zbl 1475.62209号
[8] Datta，S.和Satten，G.A.（2001年）。非马尔可夫模型阶段占用概率的Aalen-Johansen估计和综合过渡危险的Melson-Aalen估计的有效性。《统计与概率快报》，55，403-411·Zbl 0998.62072号
[9] Datta，S.和Satten，G.A.（2002年）。相依删失下非马尔可夫系统的综合转移危险和阶段占用概率的估计。生物统计学，58，792-802·兹比尔1210.62115
[10] Datta，S.、Satten，G.A.和Datta（2000）。三阶段不可逆疾病死亡模型的非参数估计。生物统计学，56，841-847·Zbl 1060.62595号
[11] deUña‐alvarez，J.和Meira‐Machado，L.（2015）。非马尔可夫疾病死亡模型中转移概率的非参数估计：一项比较研究。生物统计学，71，364-375·Zbl 1390.62246号
[12] Fisher，A.和Kennedy，E.H.（2021）。影响函数的视觉交流和教学直觉。美国统计学家，75，162-172·Zbl 07632852号
[13] Fix，E.和Neyman，J.（1951年）。患者恢复、复发、死亡和损失的简单随机模型。人类生物学，23，205-241。
[14] Friedman，J.、Hastie，T.和Tibshirani，R.（2010）。广义线性模型的坐标下降正则化路径。统计软件杂志，33，1-22https://www.jstatsoft.org/v33/i01/
[15] Gerds，T.A.（2019年）。Prodlim：审查事件历史分析的产品极限估计。R包版本2019.11.13。https://CRAN.R‐project.org/package=prodlim
[16] Gill，R.D.、van derLaan，M.J.和Robins，J.M.（1997）。随机粗糙化：特征描述、猜想、反例[会议演示]。《第一届西雅图生物统计学研讨会论文集》，斯普林格，255-294·兹比尔0918.62003
[17] Gill，R.D.、van derLaan，M.J.和Wellner，J.A.（1995年）。三个模型的二元生存函数的无效估计。《IIHP概率统计年鉴》，31545-597·Zbl 0855.62024号
[18] Glidden，D.V.（2002）。使用非马尔可夫事件数据对事件概率进行稳健推断。生物统计学，58361-368·Zbl 1209.62047号
[19] Gunnes，N.，Borgan，Ø.，&Aalen，O.O.（2007年）。在非马尔可夫模型中估计阶段占用概率。终身数据分析，13，211-240·Zbl 1162.62417号
[20] Hampel，F.R.（1974年）。影响曲线及其在稳健估计中的作用。美国统计协会杂志，69，383-393·Zbl 0305.62031号
[21] Huber，P.J.（2004）。稳健统计（第523卷）。约翰·威利父子公司。
[22] Ichimura，H.和Newey，W.K.（2022年）。半参数估计的影响函数。数量经济学，13，29-61·Zbl 07554998号
[23] Kraft，C.H.和vanEeden，C.（1972年）。基于秩计算有效估计的快速方法的渐近效率。美国统计协会杂志，67199-202·Zbl 0231.62062号
[24] Maltzahn，N.、Hoff，R.、Aalen，O.O.、Mehlum，I.S.、Putter，H.和Gran，J.M.（2021年）。部分非马尔可夫多状态模型中转移概率的混合地标Aalen‐Johansen估计。终身数据分析，27737-760·Zbl 07469155号
[25] Meira‐Machado，L.、De Una‐Alvarez，J.和Cadarso‐Suarez，C.（2006）。非马尔可夫疾病死亡模型中转移概率的非参数估计。终身数据分析，12325-344·Zbl 1356.62127号
[26] Murray，S.和Tsiatis，A.A.（1996年）。使用预后纵向协变量的非参数生存估计。生物统计学，52（1），137-151·兹伯利0874.62138
[27] Petersen，M.L.和van derLaan，M.J.（2014）。因果模型和从数据中学习：整合因果建模和统计估计。流行病学（马萨诸塞州剑桥），25418。
[28] Pfanzagl，J.和Wefelmeyer，W.（1985）。对一般渐近统计理论的贡献。统计与风险建模，3379-388·Zbl 0578.62003号
[29] Putter，H.和Spitoni，C.（2018年）。非马尔可夫多状态模型中转移概率的非参数估计：里程碑式Aalen-Johansen估计。医学研究中的统计方法，272081-2092。
[30] Robins，J.M.和Rotnitzky，A.（1992年）。使用替代标记恢复信息并调整从属审查。艾滋病流行病学（第297-331页）。斯普林格。
[31] Rytgaard，H.C.、Gerds，T.A.和van derLaan，M.J.（2022）。针对干预特定平均结果的持续时间目标最小损失估算。《统计年鉴》，50（5），2469-2491·Zbl 07628828号
[32] Rytgaard，H.C.W.、Eriksson，F.和van derLaan，M.（2021）。通过目标最大似然估计，估计特定时间干预对持续分布的事件到时间结果的影响。https://arxiv.org/abs/2106.11009
[33] Sverdrup，E.（1965年）。与死亡、恢复和不同健康状态之间转移的随机模型相关的估计和测试程序。《斯堪的纳维亚精算杂志》，1965184-211·Zbl 0166.15902号
[34] PROVA研究小组。(1991). 硬化治疗、普萘洛尔或两者联合预防肝硬化患者食管静脉曲张首次出血：一项随机多中心试验。《肝病学》，第14期，1016-1024页。
[35] Tibshirani，R.（1996）。通过套索回归收缩和选择。英国皇家统计学会杂志：B辑（方法学），58267-288·Zbl 0850.62538号
[36] Titman，A.C.（2015）。非马尔可夫多状态模型的转移概率估计。生物统计学，71，1034-1041·Zbl 1419.62458号
[37] Tsiatis，A.（2006年）。半参数理论和缺失数据。施普林格科技与商业媒体·Zbl 1105.6202号
[38] van derLaan，M.J.和Benkeser，D.（2018）。高度适应性套索（hal）。数据科学中的目标学习（第77-94页）。斯普林格。
[39] van derLaan，M.J.和Dudoit，S.（2003）。选择估计器的统一交叉验证方法和通用交叉验证自适应ε-网估计器：有限样本预言不等式和示例（技术报告），130，Bepress。
[40] van derLaan，M.J.和Robins，J.M.（2003）。审查纵向数据和因果关系的统一方法。施普林格科技与商业媒体·Zbl 1013.62034号
[41] van derLaan，M.J.和Rose，S.（2011年）。有针对性的学习：观察和实验数据的因果推断。施普林格科技与商业媒体。
[42] van derLaan，M.J.和Rose，S.（2018年）。数据科学中的目标学习：复杂纵向研究的因果推理。斯普林格·Zbl 1408.62005号
[43] van derLaan，M.J.和Rubin，D.（2006年）。目标最大似然学习。国际生物统计学杂志，2，11。
[44] van derVaart，A.W.（1991）。关于可微泛函。《统计年鉴》，第19期，178-204页·Zbl 0732.62035号
[45] van derVaart，A.W.（2000）。渐近统计（第3卷）。剑桥大学出版社·Zbl 0943.6202号
[46] van derVaart，A.W.（2004）。罗宾斯公式。统计与决策，22171-200·Zbl 1074.62033号
[47] van derVaart，A.W.、Dudoit，S.和van derLaan，M.J.（2006）。Oracle针对多重交叉验证的不等式。统计与决策，24，351-371·Zbl 1117.62042号
[48] van derVaart，A.W.和Wellner，J.（1996）。弱收敛和经验过程：统计应用。施普林格科技与商业媒体·Zbl 0862.60002号
[49] Xu，J.、Kalbfleisch，J.D.和Tai，B.（2010）。疾病死亡过程和半成品风险数据的统计分析。生物计量学，66716-725·兹比尔1203.62207
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。