×

垂直建模:分析具有治愈分数的竞争风险数据。 (英语) Zbl 1429.62579号

摘要:在本文中,我们扩展了用于分析具有竞争风险的生存数据的垂直建模方法,以纳入人群中的治愈分数,即没有竞争事件发生的人群比例。提出的方法有三个组成部分:固化比例、失效风险(不考虑原因)和发生失效时特定失效原因的相对风险。协变量可能会影响这些组成部分中的每一个。该方法的一个吸引人的方面是,它是对一般生存分析中半参数混合治愈模型的竞争风险的自然延伸;因此,只有在发生故障时才指定故障原因。这与拉森和丁斯的竞争风险的现有混合治疗模型形成了对比,后者在开始时以可能达到的未来状态为条件。使用EM算法获得回归参数估计值。在仿真研究中评估了估计器的性能。该方法使用黑色素瘤癌症数据集进行说明。

MSC公司:

62页第10页 统计学在生物学和医学中的应用;元分析
62号05 可靠性和寿命测试

软件:

R(右)靴子
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Andersen PK,Borgan O,Gill RD,Keiting N(1993)基于计数过程的统计模型。柏林施普林格·Zbl 0769.62061号 ·doi:10.1007/978-1-4612-4348-9
[2] Andersson TML、Dickman PW、Eloranta S、Lambert PC(2011),在灵活参数生存模型框架内,对基于人群的癌症研究中的治愈率进行估计和建模。BMC医学研究方法11:1-11·doi:10.186/1471-2288-11-96
[3] Andrae B、Andersson TML、Lambert PC、Kemetli L、Silverdal L、Strander B、Ryd W、Dillner J、Tolnber S、Sparen P(2012)《筛查和宫颈癌治疗:基于人群的队列研究》。英国医学杂志344:e900·doi:10.1136/bmj.e900
[4] Basu S,Tiwari TC(2010)《乳腺癌生存率、竞争风险和混合治疗模型:贝叶斯分析》。J R Stat Soc系列A 173:307-329·doi:10.1111/j.1467-985X.2009.00618.x
[5] Canty A,Ripley B(2008)Boot:Bootstrap r(s-plus)函数。R包版本1.2-34
[6] Chao EC(1998)Gibbs抽样用于具有竞争风险的长期生存数据。公共统计理论方法54:350-366·Zbl 1058.62588号
[7] Chen CH,Tsay Y,Wu Y,Hong C(2013)Logistic后位置-尺度混合回归模型,对左旋和一般间隔敏感数据具有非敏感性。统计医学32:4285-4305·数字对象标识代码:10.1002/sim.5845
[8] Choi KC,Zhou X(2002)具有协变量竞争风险的混合模型的大样本性质。多变量分析杂志82:331-366·Zbl 1098.62559号 ·doi:10.1006/jmva.2001.2022
[9] Corbiere F,Commumes D,Taylor JMG,Joly P(2009)混合治愈模型的惩罚似然方法。统计医学28:510-524·数字对象标识代码:10.1002/sim.3481
[10] 永别VT(1986)生存分析中的混合模型:它们值得冒险吗?加拿大统计局14:257-262·数字对象标识代码:10.2307/3314804
[11] Jia X,Sima CS,Brennan MF,Panageas KS(2013)癌症研究中用于分析事件时间数据的治愈模型。外科肿瘤杂志108:342-347·doi:10.1002/jso.23411
[12] Kim S,Zeng D,Li Y,Spiegelman D(2013)纵向和治愈生存数据的联合建模。J统计理论实践7:324-344·Zbl 1423.62022号 ·doi:10.1080/15598608.2013.772036
[13] Klebanov L,Yakolev A(2007)一种新的检测方法,用于治愈率分析的充分随访。J Stat Plan推断137:3557-3569·Zbl 1119.62114号 ·doi:10.1016/j.jspi.2007.03.032
[14] Kuk AYC,Chen C(1992)结合logistic回归和比例风险回归的混合模型。生物特征79:531-541·兹比尔0775.62300 ·doi:10.1093/biomet/79.3.531
[15] Larson MG,Dinse GE(1985)竞争风险数据回归分析的混合模型。应用统计34:201-2011·doi:10.2307/2347464
[16] Laska EG,Meisner MJ(1992),治愈模型中的非参数估计和测试。生物统计学48:1223-1234·doi:10.2307/2532714
[17] Li CS,Taylor JMG(2002)半参数加速失效时间治愈模型。医学统计21:3235-3247·doi:10.1002/sim.1260
[18] Maller R,Zhou S(1994)生存数据中充分随访和异常值的检验。美国统计协会杂志89(428):1499-1506·兹比尔0810.62098 ·doi:10.1080/01621459.1994.10476889
[19] Ng SK,McLachlan GJ(1998)关于存在竞争风险的长期生存混合模型的修改。J统计计算模拟61:77-96·Zbl 0940.62094号 ·网址:10.1080/00949659808811903
[20] Nicolaie MA、Putter H、van Houwelingen JC(2010)《垂直建模:竞争风险数据的模式混合方法》。统计医学29:1190-1205
[21] Nicolaie MA、Putter H、van Houwelingen JC(2015)《垂直建模:缺失失败原因的竞争风险数据分析》。统计方法医学研究24(6):891-908·doi:10.1177/0962280211432067
[22] Peng Y(2003)在比例风险治疗模型中估计基线分布。计算机统计数据分析42:187-201·Zbl 1429.62589号 ·doi:10.1016/S0167-9473(02)00158-5
[23] Peng Y,Dear KBG(2000)治愈率估计的非参数混合模型。生物统计学56:2236-243·Zbl 1060.62651号 ·doi:10.1111/j.0006-341X.2000.00237.x
[24] 彭,Y。;JMG泰勒;Klein,JP(编辑);Houwelingen,HC(编辑);易卜拉欣,JG(编辑);Scheike,TH(编辑),《治愈模型》,113-134(2013),博卡拉顿
[25] Peng Y,Taylor JMG(2017)基于残差的混合治愈模型诊断方法。生物统计学73:495-505·兹比尔1372.62081 ·doi:10.1111/biom.12582
[26] R开发核心团队(2010)R:统计计算的语言和环境。R统计计算基金会,维也纳
[27] Scolas S、Ghouch AE、Legrand C、Oulhaj A(2016a)《间隔感知混合治疗模型的诊断检查》。统计方法医学研究。https://doi.org/10.1177/0962280216676502
[28] Scolas S,Ghouch AE,Legrand C,Oulhaj A(2016b)具有区间传感数据的灵活参数混合治愈模型中的变量选择。统计医学35:1210-1225·数字对象标识代码:10.1002/sim.6767
[29] Sy JP,Taylor JMG(2000)Cox比例风险治愈模型中的估计。生物识别56:227-236·Zbl 1060.62670号 ·doi:10.1111/j.0006-341X.2000.00227.x
[30] Taylor JMG(1995)失效时间混合模型中的半参数估计。生物计量学51:899-907·Zbl 0875.62493号 ·doi:10.2307/2532991
[31] JMG泰勒;刘,N。;Nair,V.(编辑),《扩展标准模型涉及的统计问题》,299-311(2007),新加坡,韩国·doi:10.1142/9789812708298_0015
[32] Wei L(1992)加速失效时间模型:生存分析中cox回归模型的有用替代方法。统计医学11:1871-1879·doi:10.1002/sim.4780111409
[33] Yamaguchi K(1992)使用存活分数回归模型的加速失效时间回归模型:在日本永久就业分析中的应用。美国统计协会杂志87:284-292
[34] Yu M,Law NJ,Taylor JMG,Sandler HM(2004)联合纵向生存治愈模型及其在前列腺癌中的应用。统计Sin 14:835-862·Zbl 1073.62111号
[35] Yu XQ,De Angelis R,Andersson TML,Lambert PC,Dickman P(2013)估计癌症治愈的比例:给用户的一些实用建议。癌症流行病学37:836-842·doi:10.1016/j.canep.2013.08.014
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。