费拉尼·B·姆波夫。;乔戈斯·巴科扬尼斯;Yiannoutsos，Constantin T。;安·W·姆万吉。;玛格丽特·姆布鲁 当部分观测到真实事件数据时，在竞争风险环境中估计误分类概率的伪似然方法。 （英语） Zbl 1464.62470号 生物。J。 62，第7期，1747-1768（2020）. 总结：结果错误分类在二元结果研究中经常发生，并可能导致对数量的偏差估计，如发病率、患病率、特定原因危害、累积发病率函数等。已经提出了一些补救措施，以解决此类数据中结果的潜在错误分类。这些补救措施的大部分在于错误分类概率的估计，这些概率反过来又用于调整结果错误分类的分析。许多作者主张对研究内部的样本使用金标准程序，以了解错误分类的程度。通过这种类型的内部验证，量化错误分类的问题也成为了一个缺失数据的问题，因为通过设计，真正的结果只能在整个研究样本的子集上确定。尽管估计误分类概率的过程在概念上看起来很简单，但迄今为止提出的估计方法在方法和实践上都存在一些缺陷。大多数方法依赖于缺失的结果数据完全随机缺失（MCAR），这是一个相当严格的假设，在实践中不太可能成立。一些现有的方法也往往是计算密集型的。为了解决这些问题，我们在具有可用内部验证样本的研究中，提出了一种在随机缺失（MAR）假设下误分类概率的计算效率高、易于实现的伪似然估计。我们通过具有竞争风险结果的研究来呈现估计器，尽管估计器超出了这种设置。我们描述了所得估计的相合性和渐近分布性质，并导出了其方差的闭式估计。通过仿真评估了该估计器的有限样本性能。使用来自具有竞争风险结果的真实世界研究的数据，我们说明了如何使用所提出的方法来估计误分类概率。我们还展示了如何在外部研究中使用估计的误分类概率来调整建模累积关联函数时可能的误分类偏差。 MSC公司： 62页第10页 统计学在生物学和医学科学中的应用；元分析 关键词：相互竞争的风险;内部验证;错误分类;缺少数据;假相似性 PDF格式BibTeX公司 XML格式引用 \textit{P.B.Mpofu}等人，《生物》。J.62，第7期，1747--1768（2020；Zbl 1464.62470） 全文： 内政部