×

通过生存和纵向数据的联合建模比较交叉危险率函数。 (英语) Zbl 07193903号

总结:比较两种危险率函数来评价治疗效果是生存分析的重要问题之一。两个危险率函数在一个或多个未知时间点交叉是很常见的,代表了治疗效果的时间变化。在某些应用中,除了生存数据外,我们还可以获得一些与时间相关的协变量的相关纵向数据。在这种情况下,一个包含这两种类型数据的联合模型可以让我们推断生存率和纵向数据之间的关联,并更好地评估治疗效果。本文提出了一种通过联合建模生存和纵向数据来比较两个交叉危险率函数的建模方法。最大似然估计用于使用EM算法估计所提联合模型的参数。研究了极大似然估计量的渐近性质。为了说明该方法的优点,我们在仿真研究中比较了该方法与几种现有方法的性能。我们提出的方法也使用从HIV临床试验中获得的真实数据集进行了验证。

MSC公司:

62至XX 统计
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Lawless JF。寿命数据的统计模型和方法。新泽西州:John Wiley&Sons;2011.[谷歌学者]·Zbl 0541.62081号
[2] Bain L,Englehardt M.可靠性和寿命测试模型的统计分析:理论和方法。纽约:CRC出版社;1991.[谷歌学者]·兹比尔0724.62096
[3] 生存分析:删失和截断数据的技术。纽约:Springer科学与商业媒体;2003.[谷歌学者]·Zbl 1011.62106号
[4] O'Quigley J,Pessione F.比例风险模型中回归效应同质性的得分测试。生物计量学。1989年;45:135-144. doi:10.2307/2532040[Crossref],[PubMed],[Web of Science®],[Google学者]·Zbl 0715.62104号
[5] O'Quigley J,Pessione F.生存研究中的协变量-时间定性相互作用问题。生物计量学。1991;47:101-115. doi:10.2307/2532499[Crossref],[PubMed],[Web of Science®],[Google学者]
[6] Lin X,Wang H。一种用于比较生存曲线整体同质性的新测试方法。《生物杂志》2004;46(5):489-496. doi:10.1002/bimj.200310053[Crossref],[Web of Science®],[Google学者]·Zbl 1442.62499号
[7] 刘凯,邱鹏,盛杰。用cox比例风险模型比较两种交叉风险率。统计医学2007;26(2):375-391. doi:10.1002/sim.2544[Crossref],[PubMed],[Web of Science®],[Google学者]
[8] 邱平,盛杰。比较危险率函数的两阶段程序。J R Stat Soc Ser B(统计方法)。2008年;70(1):191-208. [谷歌学者]·Zbl 1400.62220号
[9] O'Quigley J.关于交叉危险的双边测试。统计员。1994;43:563-569. doi:10.2307/2348140[对照],[谷歌学者]
[10] Fleming TR、O'Fallon JR、O'Brien PC等,修改了kolmogorov-smirnov测试程序,并应用于任意右偏数据。生物计量学。1980;36:607-625. doi:10.2307/2556114[Crossref],[Web of Science®],[Google学者]·Zbl 0453.62037号
[11] Chen Z,Huang H,Qiu P.多重危险率函数的比较。生物计量学。2016;72分39秒至45秒。doi:10.111/biom.12412[Crosref],[PubMed],[Web of Science®],[谷歌学者]·Zbl 1393.62056号
[12] Chen Z,Huang H,Qiu P。一种改进的两阶段程序,用于比较危险曲线。J统计计算模拟。2017;87:1877-1886. doi:10.1080/00949655.2017.1292276[Taylor&Francis Online],[Web of Science®],[Google学者]·Zbl 07192036号
[13] Mantel N,Stablein DM。交叉危险函数问题。统计员。1988;37:59-64. doi:10.2307/2348379[交叉引用],[谷歌学者]
[14] Moreau T、Maccario J、Lellouch J等。用于比较两种分布的加权对数秩统计。生物特征。1992;79(1):195-198. doi:10.1093/biomet/79.1.195[Crossref],[Web of Science®],[Google学者]
[15] Anderson J,Senthilselvan A.危险函数的两步回归模型。应用统计1982;31:44-51. doi:10.2307/2347073[Crossref],[Web of Science®],[Google学者]
[16] Breslow NE、Edler L、Berger J.加速度的双样本删失数据秩检验。生物计量学。1984;40:1049-1062. doi:10.2307/2531155[Crossref],[PubMed],[Web of Science®],[Google学者]·Zbl 0562.62042号
[17] 张杰,彭毅。常见生存模型中的交叉危险函数。统计概率出租。2009;79(20):2124-2130. doi:10.1016/j.spl.2009.07.002[Crossref],[PubMed],[Web of Science®],[Google学者]·Zbl 1171.62064号
[18] Cheng MY,Qiu P,Tan X,等。两个危险函数第一个交叉点的置信区间。寿命数据分析。2009;15(4):441-454. doi:10.1007/s10985-009-9132-6[Crossref],[PubMed],[Web of Science®],[Google学者]·Zbl 1322.62265号
[19] Muggeo VM,Tagliavia M.解决交叉危险问题的灵活方法。统计医学2010;29(18):1947-1957. doi:10.1002/sim.3959[Crossref],[PubMed],[Web of Science®],[Google学者]
[20] 谢峰。关于异方差风险回归模型:理论和应用。J R Stat Soc:B级(统计方法)。2001;63(1):63-79. doi:10.111/1467-9868.00276[Crosref],[谷歌学者]·兹比尔0971.62047
[21] Bagdonavičius V,Hafdi MA,Nikulin M.生存功能交叉效应的生存数据分析。生物统计学。2004;5(3):415-425. doi:10.1093/biostatistics/kxg045[Crossref],[PubMed],[Web of Science®],[Google学者]·Zbl 1154.62374号
[22] Wulfsohn MS,Tsiatis AA。生存率和纵向数据的联合模型(误差测量)。生物计量学。1997;53:330-339. doi:10.2307/2533118[Crossref],[PubMed],[Web of Science®],[Google学者]·Zbl 0874.62140号
[23] Tsiatis AA,Davidian M.纵向和时间-事件数据的联合建模:概述。统计正弦。2004;14:809-834. [Web of Science®],[Google学者]·Zbl 1073.62087号
[24] Zeng D,Cai J.重复测量和生存时间联合分析中最大似然估计的渐近结果。Ann Stat.2005;33(5):2132-2163. doi:10.1214/009053605000000480[Crossref],[Web of Science®],[Google学者]·Zbl 1086.62034号
[25] Dupuy JF,Grama I,Mesbah M,等。缺失时间相关协变量的cox模型的渐近理论。Ann Stat.2006年;34(2):903-924. doi:10.1214/009053600000038[Crossref],[Web of Science®],[Google学者]·Zbl 1092.62100号
[26] Abrams DI、Goldman AI、Launer C等。使用齐多夫定治疗人类免疫缺陷病毒感染患者后,对地达诺新或扎西他滨的对比试验。《新英格兰医学杂志》1994;330(10):657-662. doi:10.1056/NEJM19940310330001[Crossref],[PubMed],[Web of Science®],[Google学者]
[27] 郭X,卡林BP。使用标准计算机包对纵向和事件时间数据进行单独和联合建模。美国统计局2004;58(1):16-24. doi:10.1198/0003130042854[Taylor&Francis Online],[Web of Science®],[Google学者]
[28] Park K,Qiu P.生存和纵向数据联合建模的模型选择和诊断,以及交叉风险率函数。统计医学2014;33(26):4532-4546. doi:10.1002/sim.6259[Crossref],[PubMed],[Web of Science®],[Google学者]
[29] 小RJ,Rubin DB。缺少数据的统计分析。新泽西州:John Wiley&Sons;2019.[谷歌学者]·兹比尔1411.62006
[30] Yang X,Li J,Shoptaw S.具有不可忽视缺失值的临床试验纵向数据的基于插补的策略。统计医学2008;27(15):2826-2849. doi:10.1002/sim.3111[Crossref],[PubMed],[Web of Science®],[Google学者]
[31] Van Buuren S、Boshuizen HC、Knook DL。生存分析中缺失血压协变量的多重插补。1999年《统计医学》;18(6):681-694. doi:10.1002/(SICI)1097-0258(19990330)18:6<681::AID-SIM71>3.0.CO;2-R[Crossref],[PubMed],[Web of Science®],[Google学者]
[32] White IR,Royston P.为cox模型估算缺失的协变量值。统计医学2009;28(15):1982-1998. doi:10.1002/sim.3618[Crossref],[PubMed],[Web of Science®],[Google学者]
[33] Ali MW,Siddiqui O。在估计和比较纵向临床试验中有辍学的变化率时,多重插补与一些信息丰富的辍学程序进行了比较。生物医药统计杂志2000;10(2):165-181. doi:10.1081/BIP-100101020[Taylor&Francis Online],[Google学者]·Zbl 0957.62090号
[34] Hu B,Li L,Greene T。截断纵向随访的纵向结果和临床事件的联合多重插补。2016年统计医学;35(17):2991-3006. doi:10.1002/sim.6590[Crossref],[PubMed],[Web of Science®],[Google学者]
[35] Hougaard P.多变量生存数据分析。纽约:Springer科学与商业媒体;2012.[谷歌学者]·Zbl 0962.62096号
[36] Rondeau V,Mazroui Y,Gonzalez JR.脆弱包:使用惩罚似然估计或参数估计分析脆弱模型相关生存数据的r包。J统计软件。2012;47(4):1-28. doi:10.18637/jss.v047.i04[Crossref],[Web of Science®],[Google学者]
[37] Dupuy JF,Mesbah M.事件时间和不可忽视的缺失纵向数据的联合建模。寿命数据分析。2002;8(2):99-115. doi:10.1023/A:1014871806118[Crossref],[PubMed],[Web of Science®],[Google学者]·Zbl 1030.62081号
[38] Evans M,Swartz T.通过蒙特卡罗和确定性方法近似积分。第20卷。牛津:OUP;2000.[谷歌学者]·兹比尔0958.65009
[39] Elashoff RM,Li G,Li N.纵向测量和竞争风险失效时间数据的联合分析方法。统计医学2007;26(14):2813-2835. doi:10.1002/sim.2749[Crossref],[PubMed],[Web of Science®],[Google学者]
[40] Yu M,Law NJ,Taylor JM,等。联合纵向生存治疗模型及其在前列腺癌中的应用。统计正弦。2004;14:835-862. [Web of Science®],[Google学者]·Zbl 1073.62111号
[41] Efron B.缺失数据、插补和引导。美国统计协会杂志,1994年;89(426):463-475. doi:10.1080/01621459.1994.10476768[Taylor&Francis Online],[Web of Science®],[Google学者]·Zbl 0806.62033号
[42] Murphy SA,Van der Vaart AW.关于侧面可能性。2000年美国统计学会杂志;95(450):449-465. doi:10.1080/01621459.2000.10474219[Taylor&Francis Online],[Web of Science®],[Google学者]·Zbl 0995.62033号
[43] Xu C、Baines PD、Wang JL。使用em算法对生存数据和纵向数据进行联合建模的标准误差估计。生物统计学。2014;15(4):731-744. doi:10.1093/biostatistics/kxu015[Crossref],[PubMed],[Web of Science®],[Google学者]
[44] Goldman AI、Carlin BP、Crane LR等。晚期艾滋病毒感染患者使用ddi或ddc治疗的cd4淋巴细胞反应和临床后果。JAIDS获得性免疫缺陷综合征杂志。1996;11(2):161-169. doi:10.1097/00042560-19960200-00007[Crossref],[Web of Science®],[Google学者]
[45] Rizopoulos D.JM:一个用于纵向和时间-事件数据联合建模的r包。J Stat Softw(在线)。2010;35(9):1-33. [Crossref]、[PubMed]、[Web of Science®]、[Google学者]
[46] Cook RD,Weisberg S.应用回归,包括计算和图形。纽约:John Wiley&Sons;2009.[谷歌学者]·Zbl 0928.62045号
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。