×
格里戈里奥斯·帕帕乔治奥；迪米特里斯·里佐普洛斯

不完全纵向数据共享参数模型中MAR的替代特征及其在敏感性分析中的应用。 （英语） Zbl 07346642号

统计模型。 21，编号1-2，95-114（2021）.
摘要：辍学是纵向研究中常见的并发症，尤其是因为非随机缺失（MNAR）和随机缺失（MAR）辍学之间的区别很难区分。因此，首先从MAR下有效的分析开始，然后考虑MNAR偏离情况进行敏感性分析。为此，提出了特定类别的联合模型，如模式混合模型（PMM）和选择模型（SeM）。相反，共享参数模型（SPM）受到的关注较少，可能是因为它们没有体现MAR的特征。已有几种在SPM中实现MAR的方法，但很难在现有软件中实现。在本文中，我们关注不完全纵向和时间-产出数据的SPM，并通过利用条件独立性假设，提出了MAR的另一种表征方法，在该假设下，给定一组随机效应，结果和缺失是独立的。通过这样做，审查分布可以用于涵盖特定主题层面上缺失数据机制的广泛假设。与其他方法相比，这种方法具有显著优势，并且可以在现有软件中轻松实现。更具体地说，它为缺失数据生成机制的假设提供了灵活性，该机制通过允许审查分布的特定主题扰动来控制辍学，而在PMM和SeM中，辍学被严格视为MNAR。

MSC公司：

62至XX 统计

关键词：

缺少数据；敏感性分析；共享参数模型；辍学；MNAR公司

软件：

吉咪；JMbayes公司
PDF格式BibTeX公司 XML格式引用
\textit{G.Papageorgiou}和\textit{D.Rizopoulos}，统计模型。21，编号1--2，95-114（2021；Zbl 07346642）
全文： 内政部

参考文献：

[1] Abrams、DI、Goldman、AI、Launer、C、Korvick、JA、Neaton、JD、Crane、LR、Grodesky、M、Wakeld、S、Muth、K、Kornegay、S、Cohn、DL、Harris、A、Luskin-Hawk、R、Markowitz、N、Sampson、JH、Thompson、M、Deyton、L（1994）齐多夫定治疗人类免疫缺陷病毒感染患者后使用地达诺新或扎西他滨的对比试验。新英格兰医学杂志330 657-62. ·doi:10.1056/NEJM19940310330001
[2] Creemers，A，Hens，N，Aerts，M，Molenberghs，G，Verbeke，G，Kenward，MG（2010）不完全纵向结果共享参数模型的敏感性分析。生物医学杂志52 111-25. ·兹比尔1207.62199
[3] Creemers，A，Hens，N，Aerts，M，Molenberghs，G，Verbeke，G，Kenward，MG（2011）广义共享参数模型和随机缺失。统计建模11 279-310. ·Zbl 1420.62093号
[4] Eilers，P，Marx，B（1996）使用B样条和惩罚的灵活平滑。统计科学11 89-121. ·兹比尔0955.62562 ·doi:10.1214/ss/1038425655
[5] Goldman，A，Carlin，B，Crane，L，Launer，C，Korvick，J，Deyton，L，D，A（1996）晚期HIV感染患者使用ddI或ddC治疗的CD4+反应和临床后果。获得性免疫缺陷综合征与人类逆转录病毒学杂志11 161-69. ·doi:10.1097/00042560-1996020-00007
[6] Hogan，JW，Laird，NM（1997）重复测量和事件时间联合分布的混合模型。医学统计学16 239-57. ·doi:10.1002/（SICI）1097-0258（19970215）16:3<239:：AID-SIM483>3.0.CO；2倍
[7] Hogan，JW，Laird，NM（1998）通过使用随机效应对纵向协变量建模，提高截尾生存数据的效率。医学研究中的统计方法7 28-48.
[8] Little、RJA、Rubin、DB（2002年）缺失数据的统计分析纽约州纽约市：Wiley·Zbl 1011.62004号 ·doi:10.1002/9781119013563
[9] Molenberghs，G，Kenward，MG（2007）临床研究中缺失的数据奇切斯特：威利。 ·doi:10.1002/9780470510445
[10] Molenberghs，G，Vereke，G（2005）。离散纵向数据模型纽约州纽约市：施普林格·Zbl 1093.62002号
[11] Molenberghs，G，Michiels，B，Kenward，MG，Diggle，PJ（1998）《单调缺失数据和模式混合模型》。Neerlandica统计52 153-61中·Zbl 0946.62034号 ·数字对象标识代码：10.1111/1467-9574.00075
[12] Molenberghs，G，Beunckens，C，Sotto，C，Kenward，MG（2008），非随机模型中的每一个缺失都会在具有相同拟合度的随机对应项中出现缺失。英国皇家统计学会期刊：B辑（统计方法论）70 371—88. ·Zbl 1148.62046号 ·doi:10.1111/j.1467-9868.2007.00640.x
[13] Njagi，EN，Molenberghs，G，Kenward，MG，Verbeke，G，Rizopoulos，D（2014），在广义共享参数联合建模框架中，对纵向数据和时间-事件数据以及敏感性分析的随机缺失进行表征。生物医学杂志56 1001-15. ·Zbl 1441.62453号 ·doi:10.1002/bimj.201300028
[14] Rizopoulos，D（2016）R包JMbayes，用于使用MCMC拟合纵向和时间-事件数据的联合模型。统计软件杂志72 1-46. ·doi:10.18637/jss.v072.i07
[15] Rubin，DB（1976），推断和缺失数据。生物特征63 581-92. ·兹伯利0344.62034 ·doi:10.1093/biomet/63.3.581
[16] Tsiatis，AA（1975）在用于纵向和时间-事件数据和灵敏度分析的广义共享参数联合建模框架中随机缺失的表征。美国国家科学院院刊72 20-22. ·Zbl 0299.62066号 ·doi:10.1073/pnas.72.1.20
[17] Wu，MC，Bailey，K（1988）分析死亡和撤回导致的信息权审查的变化。医学统计学7 337-46. ·doi:10.1002/sim.4780070134
[18] Wu，MC，Bailey，K（1989）《信息权审查中变化的估计和比较：条件线性模型》。生物计量学45 939-55. ·Zbl 0715.62123号 ·电话：10.2307/2531694
[19] Wu，MC，Carroll，RJ（1988）通过对审查过程进行建模，估计和比较信息权审查中的变化。生物计量学44 175-88. ·Zbl 0707.62210号 ·doi:10.2307/2531905
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。