×
道格拉斯·洛伦茨。；索姆纳特·达塔

使用新的线性风险模型方法从多状态模型对等待时间进行非参数分析。 （英语） 兹比尔1308.62192

电子。J.统计。 9, 419-443 (2015).
总结：在分析多状态模型的瞬态等待时间时，通常采用传统的故障时间数据分析方法。然而，当模型状态之间的等待时间相关时，即使审查是随机的，这种方法也会出现偏差。此外，在进入感兴趣的瞬态之前，可能会发生右偏感，从而阻止从该状态观察过渡，并提供另一个潜在的偏差源。我们从多状态模型中引入了等待时间的非参数线性风险模型，类似于Aalen的故障时间数据线性风险模型。在该模型中，可以通过重加权进行适当的估计，该方法足够灵活，可以合并一般形式的诱导和其他相关审查。我们通过仿真研究说明了所提出的回归系数估计量的近似无偏性，同时也证明了从相关等待时间数据中获得的传统Aalen线性风险模型估计量产生的偏差。给出了参数估计的理论结果。在两个数据集的分析中使用了加权估计值，以确定脊髓损伤患者接受基于活动的康复治疗的数据集中的动态恢复预测因子，并确定接受骨髓移植患者的预后指标。

引用于2文件

MSC公司：

62号02 生存分析和删失数据中的估计
62N01号 审查数据模型
62G05型 非参数估计

关键词：

逆概率加权；阿伦线性模型；多元生存数据

软件：

stlh（stlh）；KMsurv公司；对；Stata公司
PDF格式BibTeX公司 XML格式引用
\textit{D.J.Lorenz}和\textit{S.Datta}，电子。J.Stat.9，No.1，419--443（2015；Zbl 1308.62192）
全文： DOI程序 欧几里得

参考文献：

[1] Harkema，S.J.、Schmidt-Read，M.、Behrman，A.L.、Bratta，A.、Sisto，S.A.、Edgerton，V.R.，《建立神经恢复网络：为神经疾病提供基于活动的治疗和评估的多站点康复中心》。，物理医学与康复档案2012；93(9) : 1498-1507.
[2] Harkema，S.J.、Schmidt-Read，M.、Lorenz，D.、Edgerton，V.R.、Behrman，A.L.，使用基于运动训练的康复，改善慢性不完全性脊髓损伤患者的平衡和行走能力。，物理医学与康复档案2012；93(9) : 1508-1517.
[3] van Hedel，H.J.，Dietz，V.，脊髓损伤后的运动康复。，恢复神经病学和神经科学2010；28 : 123-134.
[4] Lorenz，D.J.，Datta，S.，《比较多阶段模型中的等待时间：对数库方法》。，2012年《统计规划与推断杂志》；142 : 2832-2843. ·Zbl 1428.62443号 ·doi:10.1016/j.jspi.2012.04.003
[5] Aalen，O.O.，计数过程的非参数回归分析模型。年，《数理统计与概率讲义》，2，Klonecki，W.，Kozek，A.，Rosiski，J.（编辑），纽约：Springer-Verlag，1980:1-25·Zbl 0445.62095号 ·doi:10.1007/978-1-4615-7397-5_1
[6] Aalen，O.O.，寿命分析的线性回归模型。，1989年《医学统计学》；8 : 907-925.
[7] Aalen，O.O.，生存分析中非参数线性回归模型的进一步结果。，1993年医学统计；12 : 1569-1588.
[8] Huang，Y.，基于多州加速逗留时间模型的删失回归。，英国皇家统计学会杂志B辑2002；64 : 17-29. ·Zbl 1015.62114号 ·doi:10.1111/1467-9868.00322
[9] Schaubel，D.E.，Cai，J.，有序多元失效时间数据间隙时间风险函数的回归方法。，生物特征2004；91 : 291-303. ·Zbl 1081.62103号 ·doi:10.1093/biomet/91.2.291
[10] Copelan，E.A.，Biggs，J.C.，Thompson，J.M.，Crilley，P.，Szer，J.，Klein，J.P.等人，《BuCy2制备后异基因骨髓移植治疗急性粒细胞白血病》，《血液》1991；78分：838-843秒。
[11] Andersen，P.K.，Borgan，Ø。，Gill，R.D.，Keiting，N.，《基于计数过程的统计模型》。纽约：Springer-Verlag，1993年·Zbl 0675.60026号 ·doi:10.1214/aop/1176991508
[12] Robins，J.M.，Rotnitsky，A.，使用替代标记恢复信息和调整从属审查。《艾滋病流行病学-方法学问题》，Jewell，N.，Dietz，K.，Farewell，V.（eds.），1993年；297-331. 波士顿：比克豪斯。
[13] Robins，J.M.，Rotnitsky，A.，依赖删失下的半参数回归估计，生物统计学1995；82 : 805-820. ·Zbl 0861.62030号 ·doi:10.1093/biomet/82.4.805
[14] Satten，G.A.，Datta，S.，多阶段模型的边际估计：等待时间分布和竞争风险分析。，2002年医学统计；21:3-19。
[15] Satten，G.A.，Datta，S.，Robins，J.M.，在存在时间相关协变量的情况下估计边际生存函数。，2001年《统计与概率快报》；54 : 397-403. ·Zbl 0999.62078号 ·doi:10.1016/S0167-7152（01）00113-4
[16] R核心团队。R： 用于统计计算的语言和环境。R统计计算基金会，奥地利维也纳，2012年。可从、获取。
[17] Lorenz D.J.，Datta，S.，《使用新型线性风险模型方法对多状态模型的等待时间进行非参数分析》的补充。2015; DOI：，10.1214/15-EJS1003支持·Zbl 1308.62192号 ·doi:10.1214/15-EJS1003
[18] Behrman，A.L.、Ardolino，E.A.、VanHiel，L.、Kern，M.、Atkinson，D.、Lorenz D.等人，《无补偿功能改善评估》降低了人类脊髓损伤后结果测量的可变性。，物理医学与康复档案2012；93(9) : 1518-1529.
[19] Klein，J.P.，Moeschberger，M.L.，《生存分析：截取和截断数据的技术》。纽约：Springer Verlag出版社，1997年·Zbl 0871.62091号
[20] Klein，J.P.，Moeschberger，M.L.，经Yan J.修改，Klein和Moeschberger（1997）的数据集，生存分析2003；R包版本，0.1-3·Zbl 0871.62091号
[21] Hosmer，D.W.，Royston，P.，使用Aalen的线性风险模型研究比例风险回归模型中的时变效应。，《Stata期刊》2002；2(4) : 331-350.
[22] McKeague，I.W.，Aalen加性风险模型中加权最小二乘估计的渐近理论。，当代数学1988；80 : 139-152. ·Zbl 0684.62068号 ·doi:10.1090/conm/080/999011
[23] Huffer，F.W.，McKeague，I.W.，Aalen加性风险模型的加权最小二乘估计。，《美国统计协会杂志》1991年；86 : 114-129.
[24] Cong，X.J.，Yin，G.，Shen，Y.，相关故障时间数据与信息性集群大小的边际分析。，生物统计学2007；63 : 663-672. ·Zbl 1147.62091号 ·doi:10.1111/j.1541-0420.2006.00730.x
[25] Williamson，J.M.，Kim，H.Y.，Manatunga，A.，Addiss，D.G.，《利用信息集群大小建模生存数据》。，2008年医学统计；27 : 543-555. ·doi:10.1002/sim.3003
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。