×
Eleanor M.Pullenayegum。

满足不规则随访纵向数据的逆密度加权假设：对临床队列研究的设计和分析的建议。 （英语） 2014年9月1478.9日

流行病。方法 9，第1号，文章ID 20180016，17 p.（2020）.
总结：基于临床的队列研究在患者首次入院时对其进行登记，并将其作为常规护理的一部分进行跟踪，关注的是结果过程的边际平均值。由于所需的随访频率因患者而异，这些研究通常具有不规则的就诊时间，没有两名患者共用一个就诊时间。已经开发了反向强度加权来处理这一问题，但它要求访问过程有条件地独立于观察到的历史的结果。当患者计划就诊以应对其健康状况的变化（例如疾病爆发）时，条件独立性假设不再合理，导致了有偏见的结果。我们建议收集额外的信息，以确保条件独立性成立，并检查如何在分析中使用这一点。这使得基于临床的队列研究可以用于确定纵向结果，而不会因不定期随访而产生偏见。

MSC公司：

92B15号机组 普通生物统计学
62页第10页 统计学在生物学和医学中的应用；元分析
92 C50 医疗应用（通用）

关键词：

纵向数据;反向加权;半参数模型;观测数据

软件：

穆哈兹;CRAN（起重机）;S-PLUS系统;内存管理系统
PDF格式BibTeX公司 XML格式引用
\textit{E.M.Pullenayegum}，流行病学。方法9，第1号，文章ID 20180016，17 p.（2020；Zbl 1478.92014）
全文： 内政部

参考文献：

[1] Buzkova，P.、Brown，E.和John-Stewart，G.（2010年）。参与者驱动的信息随访下广义线性模型的纵向数据分析：在产妇健康流行病学中的应用。美国流行病学杂志，171:189-197。
[2] Lin，H.、Scharfstein，D.和Rosenheck，R.（2004）。不规则、结果依赖性随访的纵向数据分析。《皇家统计学会杂志》，B辑，66:791-813·Zbl 1046.62118号
[3] Pullenayegum，E.和Lim，L.（2016）。不定期观察的纵向数据：对方法的回顾，重点是访问过程、假设和研究设计。医学研究中的统计方法，25:2992-3014。
[4] Lin，D.和Ying，Z.（2001）。纵向数据的半参数和非参数回归分析。美国统计协会杂志，96:103-113·Zbl 1015.62038号
[5] Lin，D.和Ying，Z.（2003）。具有信息缺失的纵向数据的半参数回归分析。生物统计学，4:385-398·Zbl 1154.62330号
[6] Liang，Y.、Lu，W.和Ying，Z.（2009）。利用信息丰富的观测时间对纵向数据进行联合建模和分析。生物统计学，65:377-384·Zbl 1165.62084号
[7] Sun，J.、Sun，L.和Liu，D.（2007）。在信息观察和审查时间存在的情况下对纵向数据进行回归分析。美国统计协会杂志，102:1397-1406·兹比尔1332.62383
[8] Sun，L.、Mu，X.、Sun，Z.和Tong，X.（2011年a）。具有信息性观测时间的纵向数据的半参数分析。数学应用学报-英语系列，27:29-42·Zbl 1207.62091号
[9] Sun，L.、Song，X.和Zhou，J.（2011年b）。在信息观察和审查时间存在的情况下，纵向数据与时间相关协变量的回归分析。《统计规划与推断杂志》，141:2902-2919·Zbl 1213.62072号
[10] Buzkova，P.和Lumley，T.（2007）。广义线性模型的纵向数据分析，随访取决于结果相关变量。加拿大统计杂志，35:485-500·Zbl 1143.62041号
[11] Lange，J.M.、Hubbard，R.A.、Inoue，L.Y.和Minin，V.N.（2015）。多州疾病过程和随机信息观察时间的联合模型，应用于电子病历数据。生物统计学，7:90-101·Zbl 1419.62384号
[12] Muller，H.G.和Wang，J.L.（1994年）。具有不同核和带宽的随机删失下的危险率估计。生物统计学，50:61-76·Zbl 0824.62097号
[13] Boyd，A.、Kittelson，J.和Gillen，D.（2012年）。非比例危险和条件独立审查下的治疗效果估计。《医学统计学》，31:3504-3515。
[14] Lam，C.、Manlhiot，C.、Pullenayegum，E.和Feldman，B.（2011年）。静脉注射ig治疗青少年皮肌炎的疗效。风湿病年鉴，70:2089-2004。
[15] Bode，R.、Klein-Gitelman，M.和Miller，M.（2003）。青少年皮肌炎儿童疾病活动评分：信度和效度证据。关节炎和风湿病，49:7-15。
[16] Pinheiro，J.和D.Bates。S和S-PLUS中的混合效应模型。纽约：斯普林格·Zbl 0953.62065号
[17] Pullenayegum，E.和Feldman，B.（2013年）。用于分析不规则观测纵向数据的双稳健估计、最佳截断逆密度加权和基于增量的方法。医学统计学，32:1054-1072。
[18] Anderson，P.、O.Borgan、R.Gill和N.Keiting。1993年。基于计数过程的统计模型。纽约：斯普林格·兹比尔0769.62061
[19] Newey，W.（1990年）。半参数效率界限。应用计量经济学杂志，5:99-135·Zbl 0705.62033号
[20] R.先生（2015）。“muhaz”包：用于为删失数据生成风险函数平滑估计的包。技术报告。全面的R存档网络。
[21] Tan，K.、French，B.和Troxel，A.（2014）。纵向数据与结果相关观察时间的回归建模：扩展和比较评估。医学统计学，33:4770-4789。
[22] Pullenayegum，E.（2016年）。用于分析不规则观测的纵向数据的多重输出。医学统计学，35:1800-1818。
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。