×
鲍一奇;Vicente G.坎乔。;弗朗西斯科·卢萨达;铃木，Adriano K。

间隔敏感数据的具有空间脆弱性的半参数治愈率比例优势模型。 （英语） Zbl 1430.62225号

高级数据科学。适应。分析。 11，编号3-4，文章ID 1950005，32 p.（2019）.
摘要：在这项工作中，我们提出了具有独立和依赖空间弱点的半参数治愈率模型。这些模型扩展了比例优势曲线模型，并通过包含区间删失数据设置的空间脆弱性来考虑空间相关性。此外，由于这些治愈模型是通过考虑感兴趣事件的发生是由任何未观察到的风险的存在引起的来获得的，因此我们还研究了互补治愈模型，即通过假设感兴趣事件的发生是在所有未观察到的风险被激活时引起的来获得治愈模型。MCMC方法用于贝叶斯方法的推理目的。我们通过诊断措施进行影响诊断，以检测可能会导致分析结果失真的影响或极端观察结果。最后，将所提出的模型应用于实际数据集的分析。

引用于2文件

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
2015年1月62日 贝叶斯推断
62号05 可靠性和寿命测试
65二氧化碳 蒙特卡罗方法

关键词：

贝叶斯推断;治愈率;影响诊断;半参数模型;空间脆弱性;生存分析

软件：

R（右）;化学需氧量
PDF格式BibTeX公司 XML格式引用
\textit{Y.Bao}等人，高级数据科学。适应。分析。11，编号3--4，文章ID 1950005，32 p.（2019；Zbl 1430.62225）
全文： DOI程序

参考文献：

[1] Banerjee，S.和Carlin，B.P.（2004）。间隔相关复发时间数据的参数化空间治愈率模型。生物统计学，60:268-275·Zbl 1130.62367号
[2] Banerjee，S.、Wall，M.M.和Carlin，B.P.（2003）。空间相关生存数据的脆弱建模，并应用于明尼苏达州的婴儿死亡率。生物统计学，4:123-142·兹比尔1142.62420
[3] Bao，Y.、Cancho，V.、Louzada，F.和Suzuki，A.（2017年）。间隔相关数据的具有空间脆弱性的治愈率比例优势模型。Commun公司。统计的。申请。方法。，24: 605-625. ·Zbl 1430.62225号
[4] Berkson，J.和Gage，R.P.（1952年）。癌症患者治疗后的生存治愈。《美国统计杂志》。协会，47:501-515。
[5] Besag，J.（1974年）。空间相互作用和晶格系统的统计分析。J.皇家统计。Soc.系列。B（Methodol.），36:192-236·Zbl 0327.60067号
[6] Cancho，V.G.、Louzada，F.和Barriga，D.C.G.（2011年）。泊松指数寿命分布。计算。统计数据分析。，55: 677-686. ·Zbl 1247.62034号
[7] Carlin，B.和Banerjee，S.（2003年）。《时空相关生存数据的分层多变量CAR模型（讨论）》，牛津大学出版社。
[8] Chen，M.H.、Ibrahim，J.G.和Sinha，D.（1999）。具有生存分数的生存数据的新贝叶斯模型。《美国统计杂志》。协会，94:909-919·Zbl 0996.62019号
[9] Cook，R.D.和Weisberg，S.（1982年）。回归中的残差和影响，查普曼和霍尔/CRC，佛罗里达州博卡拉顿·Zbl 0564.62054号
[10] Cooner，F.、Banerjee，S.、Carlin，B.和Sinha，D.（2007年）。潜在激活方案下的柔性治愈率建模。《美国统计杂志》。协会，102:560-572·Zbl 1172.62331号
[11] Dan Li，X.W.和Dey，D.K.（2016）。基于广义极值分布和高斯过程先验的空间相关生存数据的灵活治愈率模型。生物识别。J.，58:1178-1197·Zbl 1358.62098号
[12] Dey，D.和Birmiwal，L.（1994年）。使用分歧度量的稳健贝叶斯分析。统计概率快报。，20: 287-294. ·兹比尔0799.62003
[13] Ewell，M.和Ibrahim，J.G.（1997年）。一般局部方案下加权对数秩统计量的大样本分布。寿命数据分析。，3: 5-12. ·Zbl 0891.62079号
[14] 《永别了，V.T.》（1982）。使用混合模型分析长期幸存者的生存数据。生物统计学，38:1041-1046。
[15] 费勒，W.（1968）。概率论及其应用导论，第三版。，威利，纽约·Zbl 0155.23101号
[16] Finkelstein，D.M.（1986年）。间隔相关故障时间数据的比例风险模型。生物统计学，42:845-854·Zbl 0618.62097号
[17] Gamerman，D.和Lopes，H.F.（2006年）。马尔可夫链蒙特卡罗：贝叶斯推断的随机模拟，第二版。，查普曼和霍尔/CRC，博卡拉顿·Zbl 1137.62011年
[18] Gelfand，A.E.和Vounatsou，P.（2003）。空间数据分析的适当多元条件自回归模型。生物统计学，4:11-15·Zbl 1142.62393号
[19] Geweke，J.（1992）。评估基于采样的计算后验力矩方法的准确性，克拉伦登出版社，英国牛津。
[20] Gu，Y.、Sinha，D.和Banerjee，S.（2011）。比例优势模型下治愈率生存数据分析。终身数据分析，17:123-134·Zbl 1322.62273号
[21] 易卜拉欣，J.、陈，M.和辛哈，D.（2001）。贝叶斯生存分析，Springer Verlag·Zbl 0978.62091号
[22] Lindsey，J.C.和Ryan，L.M.（1998年）。间隔感知数据的方法。医学统计，17:219-238。
[23] Maller，R.A.和Zhou，X.（1996）。《长期幸存者生存分析》，纽约威利·Zbl 1151.62350号
[24] Murray，R.P.、Anthonisen，N.R.、Connett，J.E.、Wise，R.A.、Lindgren，P.G.、Greene，P.G.、Nides，M.A.等人（1998年）。多次尝试戒烟和再次吸烟对肺功能的影响。J.诊所。流行病。，51: 1317-1326.
[25] Pan，C.，Cai，B.，Wang，L.和Lin，X.（2014）。空间相关间隔感知生存数据的贝叶斯半参数模型。计算。统计的。数据分析。，74: 198-208. ·Zbl 1506.62145号
[26] Peng，F.和Dey，D.（1995）。使用分歧度量的异常值问题的贝叶斯分析。加拿大统计杂志。，时间：199-213·Zbl 0833.62028号
[27] Peto，R.（1973）。区间截尾数据的实验生存曲线。申请。统计的。，22: 86-91.
[28] Plummer，M.、Best，N.、Cowles，K.和Vines，K.（2005年）。mcmc的输出分析和诊断。R包版本0.10-3，http://cran.rproject.org。
[29] (2010). R： 统计计算语言和环境，R统计计算基金会，奥地利维也纳。
[30] Rodrigues，J.、Cancho，V.、Castro，M.和Louzada-Neto，F.（2009年）。关于长期生存模式的统一。统计的。概率Lett。，79: 753-759. ·Zbl 1349.62485号
[31] Rücker，G.和Messerer，D.（1988年）。缓解持续时间：间隔相关观察的一个例子。统计的。医学，7:1139-1145。
[32] Spiegelhalter，D.J.、Best，N.G.、Carlin，B.P.和van der Linde，A.（2002）。模型复杂度和拟合度的贝叶斯度量。J.罗伊。统计的。Soc.B，64:583-639·Zbl 1067.62010年
[33] Stangl，D.K.和Greenhouse，J.B.（1998年）。使用贝叶斯分层生存模型评估安慰剂反应。寿命数据分析。，4:5-28·Zbl 0894.62118号
[34] Sun，X.和Chen，C.（2010年）。finkelstein方法与传统方法在间隔感知数据分析中的比较。统计的。生物医药。研究，2:97-108。
[35] Weiss，R.（1996）。贝叶斯灵敏度分析方法。J.罗伊。统计。Soc.系列。B（Methodol.），58（4）：739-750·兹比尔0860.62031
[36] Yakovlev，A.Y.和Tsodikov，A.D.（1996）。肿瘤潜伏期随机模型及其生物统计应用，《世界科学》，新泽西州·Zbl 0919.92024号
[37] Yau，K.K.和Ng，A.S.（2001年）。具有随机效应的长期存活者混合模型：应用于多中心癌症临床试验。统计的。医学，20:1591-1607。
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。