协变量测量错误的混合治愈模型的模拟提取方法

@第{Musta2020ASA条,title={具有错误测量协变量的混合物治愈模型的模拟提取方法},author={Eni Musta和Ingrid Van Keilegom},journal={电子统计杂志},年份={2020年},网址={https://api.semanticscholar.org/CorpusID:261802708}}
为了校正测量误差引入的偏差估计量,使用了simex算法,这是一种非常通用的基于仿真的方法,并证明了当真实外推函数已知时,该算法是一致的和渐近正态分布的。

本文图表

使用模拟外推方法推断具有错误测量协变量的生存治愈模型

将模拟提取算法扩展到提升时间曲线模型,这是一种基于模拟的方法,可以估计测量误差对估计器偏差的影响,并减少这种偏差。

变换下协方差不可测的治愈率模型

治愈率模型明确说明了失效时间数据中的存活率。当协变量的测量有误差时,天真地将测量错误的协变量视为无误差的会导致

混合治愈模型中估计的预光滑方法

处理生存分析数据时的一个挑战是计算治愈率,这意味着一些受试者将永远不会经历感兴趣的事件。混合固化模型

具有协变量的非参数治愈率估计

将提出的非参数方法应用于白血病患者的一项研究,以评估年龄对骨髓移植后治愈率的影响,并以比现有半参数治愈模型更小的偏差估计治愈率的协变量效应。

生存分析中治愈模型的一般方法

在生存分析中,经常会发生一些受试者没有经历感兴趣的事件;它们被认为是“治愈的”。因此,人口是两种人口的混合体

基于SIMEX方法的成簇生存数据脆弱性度量误差模型中的函数推断

结果表明,当在完全似然分析中考虑测量误差,但未观测协变量的分布不明确时,最大似然估计量是渐近有偏的,特别是对于方差分量,其偏差可能很大。

加速失效时间vs Cox比例风险混合治愈模型:David vs Goliath?

该模型在弱假设下的可识别性得到了证明,并且表明AFT和Cox模型都很好地拟合了足够随访区域内的数据,但在该区域外差异很大。

混合物固化模型中固化率的拟合优度测试

受Härdle&Mammen(1993)回归函数拟合优度检验的启发,提出了一个检验统计量,该统计量表明,在零假设下,模型是正确指定的,并且在局部备选方案下,统计量是渐近正态分布的。

治愈率估计的非参数混合模型

一种通用的非参数混合模型,它扩展了其他研究人员提出的模型并改进了估计方法,通过允许一定比例的无事件患者并调查该比例的协变量影响,扩展了考克斯比例风险回归模型。