×

Yang和Prentice模型,具有分段指数基线分布,用于建模具有交叉生存曲线的寿命数据。 (英语) Zbl 1471.62486号

摘要:比例风险(PH)、比例赔率(PO)和加速失效时间(AFT)模型已被广泛应用于不同知识领域的生存数据处理。尽管这些模型很受欢迎,但它们不适合处理具有交叉生存曲线的生存数据。S.杨R.普伦蒂斯【生物特征92,第1期,第1-17页(2005年;兹比尔1068.62102)]提出了一种半参数双样本方法,这里称为YP模型,允许分析交叉生存曲线,并将PH和PO配置作为特殊情况。在一般回归设置中,本工作提出了一种完全基于相似性的方法来拟合YP模型。其主要思想是通过分段指数(PE)分布对基线风险进行建模。该方法共享了半参数模型的灵活性和参数表示的可处理性。进行了广泛的仿真研究,以评估该模型的性能。我们通过分析与癌症临床试验患者相关的生存时间,证明了新方法的实用性。最后,一个R(右)包已调用YPPE型是为了适应提出的模型而开发的。仿真结果表明,在一般回归设置下,我们的模型对于中等样本量具有良好的性能。与为两个样本场景设计的原始YP模型相比,还观察到了更好的性能。

MSC公司:

62号05 可靠性和寿命测试
62G05型 非参数估计
2015年1月62日 贝叶斯推断
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Arjas,E.和Gasbarra,D.(1994年)。使用吉布斯采样器从右删失生存数据进行非参数贝叶斯推断。中国统计局4, 505-524. ·Zbl 0823.62030号
[2] Brent,R.P.(1973)。无导数最小化算法Englewood Cliffs:普伦蒂斯·霍尔·Zbl 0245.65032号
[3] Breslow,N.(1972年)。关于回归模型和生命表的讨论(D.R.Cox)。英国皇家统计学会杂志B辑34, 216-217.
[4] Breslow,N.(1974年)。截尾生存数据的协方差分析。生物计量学30, 89-99.
[5] Carpenter,B.、Gelman,A.、Hoffman,M.D.、Lee,D.、Goodrich,B.、Betancourt,M.、Brubaker,M.,Guo,J.、Li,P.和Riddell,A.(2017)。斯坦:一种概率编程语言。统计软件杂志76
[6] Clark,D.E.和Ryan,L.M.(2002年)。根据入院时的风险因素同时预测医院死亡率和住院时间。卫生服务研究37, 631-645.
[7] 考克斯,D.R.(1972年)。回归模型和生命表。英国皇家统计学会杂志B辑34, 187-220. ·Zbl 0243.62041号 ·doi:10.1111/j.2517-6161.1972.tb00899.x
[8] Demarqui,F.N.、Dey,D.K.、Loschi,R.H.和Colosimo,E.A.(2011年)。使用带有随机时间网格的分段指数模型对生存数据进行建模生物统计学最新进展,第4卷(M.Bhattacharjee,S.K.Dhar和S.Subramanian编辑)109-122。新加坡:世界科学。
[9] Demarqui,F.N.、Dey,D.K.、Loschi,R.H.和Colosimo,E.A.(2014)。用治愈率对生存数据建模的全半参数贝叶斯方法。生物医学期刊56, 198-218. ·Zbl 1441.62322号 ·doi:10.1002/bimj.201200205
[10] Demarqui,F.N.、Loschi,R.H.、Dey,D.K.和Colosimo,E.A.(2012年)。一类具有随机时间网格的动态分段指数模型。统计规划与推断杂志142, 728-742. ·Zbl 1227.62083号 ·doi:10.1016/j.jspi.2011.09.006
[11] Diao,G.、Zeng,D.和Yang,S.(2013)。使用右偏数据对短期和长期风险比进行有效的半参数估计。生物计量学69, 840-849. ·Zbl 1291.62176号 ·doi:10.1111/biom.12097
[12] Egge,K.和Zahl,P.H.(1999)。青光眼患者的生存率。斯堪的纳维亚眼科学报77, 397-401.
[13] Gamerman,D.(1991)。生存数据的动态贝叶斯模型。英国皇家统计学会杂志C辑应用统计学40, 63-79. ·Zbl 0825.62867号
[14] 胃肠肿瘤研究小组(1982年)。局部晚期胃癌联合化疗与综合治疗的比较。癌症49, 1771-1777.
[15] 易卜拉欣,J.G.、陈,M.H.和辛哈,D.(2001)。贝叶斯生存分析纽约:Springer·Zbl 0978.62091号
[16] Kalbfleisch,J.D.(1978年)。生存时间数据的非参数贝叶斯分析。英国皇家统计学会杂志,B辑,方法学40, 214-221. ·Zbl 0387.62030号 ·doi:10.1111/j.2517-6161.1978.tb01666.x
[17] Kalbfleisch,J.D.和Prentice,R.L.(1973)。基于考克斯回归和生命模型的边际可能性。生物特征60, 267-278. ·Zbl 0279.62009年 ·doi:10.1093/biomet/60.2.267
[18] Lee,S.H.(2011)。两样本截尾数据的加权Kaplan-Meier检验的最大值。统计计算与模拟杂志81, 1017-1026. ·Zbl 1219.62078号 ·doi:10.1080/00949651003627753
[19] Nieto-Barajas,L.E.(2014)。具有协变量的短期和长期风险比的贝叶斯半参数分析。计算统计与数据分析71, 477-490. ·Zbl 1471.62150号 ·doi:10.1016/j.csda.2013.03.012
[20] Nocedal,J.和Wright,S.J.(2006年)。数值优化第二版,纽约:施普林格出版社·Zbl 1104.65059号
[21] Putter,H.、Sasako,M.、Hartgrink,H.H.、van-de-Velde,C.J.H.和van-Houwelingen,J.C.(2005)。非比例危害的长期生存:荷兰胃癌试验结果。医学统计学24, 2807-2821.
[22] R核心团队(2019年)。R: 统计计算语言与环境.R统计计算基金会。奥地利维也纳。
[23] Sahu,S.K.、Dey,D.K.、Aslanidou,H.和Sinha,D.(1997)。多变量生存数据的gamma脆弱性Weibull回归模型。终身数据分析3, 123-137. ·Zbl 0896.62125号 ·doi:10.1023/A:1009605117713
[24] Schneider,S.、Demarqui,F.N.、Colosimo,E.A.和Mayrink,V.D.(2020年)。一种基于相关删失的成簇生存数据建模方法。生物医学期刊62, 157-174. ·Zbl 1441.62482号 ·doi:10.1002/bimj.201800391
[25] Shyur,H.J.、Elsayed,E.A.和Luxhoj,J.T.(1999年)。具有时间相关协变量的加速寿命试验的一般模型。海军研究后勤49, 303-321. ·兹比尔0922.90076 ·doi:10.1002/(SICI)1520-6750(199904)46:3<303::AID-NAV4>3.0.CO;2-4
[26] Sinha,D.、Chen,M.H.和Ghosh,S.K.(1999)。区间截尾生存数据的贝叶斯分析和模型选择。生物计量学55, 585-590. ·Zbl 1059.62715号 ·doi:10.1111/j.0006-341X.1999.00585.x
[27] Sinha,D.和Dey,D.K.(1997年)。生存数据的半参数贝叶斯分析。美国统计协会杂志92, 1195-1212. ·Zbl 1067.62520号 ·doi:10.1080/01621459.1997.10474077
[28] Tong,X.、Zhu,C.和Sun,J.(2007)。两样本当前状态数据的半参数回归分析,并应用于致瘤性实验。加拿大统计杂志35, 575-584. ·Zbl 1142.62024号 ·doi:10.1002/cjs.5550350408
[29] Yang,S.(2018)。改善临床试验中治疗效果的测试和描述,以获得生存结果。医学统计学38, 530-544.
[30] Yang,S.和Prentice,R.L.(2005)。使用两个样本生存数据进行短期和长期危险比的半参数分析。生物特征92, 1-17. ·Zbl 1068.62102号 ·doi:10.1093/biomet/92.1.1
[31] Yang,S.和Prentice,R.L.(2010年)。使用自适应权重改进生存数据的logrank型检验。生物计量学66, 30-38. ·Zbl 1187.62179号 ·文件编号:10.1111/j.1541-0420.2009.01243.x
[32] Yang,S.和Prentice,R.L.(2011)。使用半参数模型估计2样本风险比函数。生物统计学12, 354-368. ·Zbl 1437.62663号 ·doi:10.1093/生物统计学/kxq061
[33] Yang,S.和Prentice,R.L.(2015)。从临床试验和观察研究中评估生存数据的潜在时间依赖性治疗效果,并应用于妇女健康倡议联合激素治疗试验。医学统计学1801-1817年第34期。
[34] Yang,S.和Zhao,Y.(2012)。检查生存数据的短期和长期风险比模型。斯堪的纳维亚统计杂志第3954-567页·Zbl 1323.62099号 ·doi:10.1111/j.1467-9469.2012.00804.x
[35] Zeng,D.和Lin,D.Y.(2007)。截尾数据下半参数回归模型的最大似然估计。英国皇家统计学会杂志B辑69, 507-564. ·Zbl 07555364号
[36] Zhang,H.、Wang,P.和Sun,J.(2018)。具有可能交叉危险的间隔相关失效时间数据的回归分析。医学统计学37, 768-775
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。