王晓静;陈明慧;严、军 区间截尾生存数据的贝叶斯动态回归模型及其在儿童牙科健康中的应用。 (英语) Zbl 1322.62325号 寿命数据分析。 19,第3期,297-316(2013). 摘要:具有时变系数的考克斯模型在捕捉协变量对事件时间的影响的时间动态方面提供了很大的灵活性,这可能被考克斯比例风险模型所掩盖。然而,变系数Cox模型的方法开发在很大程度上局限于右删失数据;仅对区间删失数据进行了有限的研究。在大多数变系数模型的现有方法中,分析师需要指定哪些协变量系数是时变的,哪些不是在拟合时变的。在贝叶斯框架下,我们提出了区间删失数据的动态Cox回归模型,其中系数曲线是分段常数,但条数和跳跃点是协变量特定的,并根据数据进行估计。该模型自动确定每个协变量所需的时间动态范围,从而得到更平滑、更稳定的曲线估计。后验计算是通过一种有效的可逆跳马尔可夫链蒙特卡罗算法进行的。每个系数的推断都是基于具有不同件数和跳跃点的模型的平均值。利用三个协变量(每个协变量在时间动力学中具有不同程度的系数)进行的仿真研究证实,在模型比较标准方面,通过条件预测坐标,动态模型优于现有的时变模型。当应用于7至12岁儿童的牙齿健康数据时,动态模型显示,在7.5岁左右,有和没有感染原发性前辈的儿童出现恒牙24的相对风险最高,11岁以后逐渐降低到1。这些发现并没有从现有的考克斯比例风险模型研究中看到。 引用于7文件 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 62-07 数据分析(统计)(MSC2010) 62N01号 审查数据模型 92 C50 医疗应用(通用) 关键词:考克斯模型;潜在变量;马尔科夫蒙特卡洛;可逆跳跃;半参数;时变系数 PDF格式BibTeX公司 XML格式引用 \textit{X.Wang}等人,《寿命数据分析》。19,第3号,297--316(2013年;兹bl 1322.62325) 全文: 内政部 参考文献: [1] Biller,C,半参数广义线性模型中的自适应贝叶斯回归样条,计算图统计杂志,9,122-140,(2000) [2] 比勒,C;Fahrmeir,L,使用自适应回归样条的贝叶斯变系数模型,统计模型,1195-211,(2001)·Zbl 1104.62023号 ·doi:10.1191/147108201128168 [3] 布雷兹格,A;Lang,S,基于贝叶斯P样条的广义结构加性回归,计算统计数据分析,50967-991,(2006)·Zbl 1431.62308号 ·doi:10.1016/j.csda.2004.10.011 [4] Brooks SP,Giudici P(1999)可逆跳跃MCMC模拟的收敛评估。收录:Bernardo JM、Berger JO、Dawid AP、Smith A(编辑)Bayesian statistics第六届巴伦西亚国际会议记录。牛津克拉伦登出版社,第733-742页·Zbl 1179.65010号 [5] 蔡,T;Betensky,RA,带惩罚样条的间隔相关数据的危险回归,生物统计学,59,570-579,(2003)·Zbl 1210.62130号 ·数字对象标识代码:10.1111/1541-0420.0067 [6] 蔡,Z;Sun,Y,考克斯回归模型中时间相关系数的局部线性估计,Scand J Stat,3093-111,(2003)·Zbl 1034.62096号 ·数字对象标识代码:10.1111/1467-9469.00320 [7] Celeux,G;福布斯,F;CP罗伯特;Titterington,DM,缺失数据模型的偏差信息标准(pkg:P651-706),贝叶斯分析,1651-674,(2006)·Zbl 1331.62329号 ·doi:10.1214/06-BA122 [8] Cox,DR,回归模型和寿命表(含讨论),J R Stat Soc B,34187-220,(1972)·Zbl 0243.62041号 [9] 米歇尔·爱奥里奥;约翰逊,WO;缪勒,P;Rosner,GL,贝叶斯非参数非比例风险生存建模,生物统计学,65,762-771,(2009)·Zbl 1172.62073号 ·doi:10.1111/j.1541-0420.2008.0166.x [10] Denison,DGT;马利克,BK;Smith,AFM,《自动贝叶斯曲线拟合》,J R Stat Soc B,60,333-350,(1998)·Zbl 0907.62031号 ·doi:10.1111/1467-9868.00128 [11] 迪马特奥,I;基因组,CR;Kass,RE,贝叶斯曲线拟合与自由节点样条,生物统计学,88,1055-1071,(2001)·Zbl 0986.62026号 ·doi:10.1093/biomet/88.4.1055 [12] Fahrmeir,L;Lang,S,基于马尔可夫随机场先验的广义可加混合模型的贝叶斯推断,J R Stat Soc C,50,201-220,(2001)·doi:10.1111/1467-9876.00229 [13] 风扇,J;IA Gijbels;King,M,《风险回归中的局部似然和局部偏似然》,Annals Stat,251661-1690,(1997)·Zbl 0890.62023号 ·doi:10.1214/aos/1031594736 [14] 精细,JP;严,J;科索罗克,MR,时间过程回归,生物统计学,91,683,(2004)·Zbl 1108.62067号 ·doi:10.1093/biomet/91.3.683 [15] 盖瑟,S;WF Eddy,《模型选择的预测方法》(更正:V75 p765),美国统计协会杂志,74,153-160,(1979)·Zbl 0401.62036号 ·doi:10.1080/016214519979.10481632 [16] 吉尔克斯,WR;Wild,P,Gibbs抽样的自适应拒绝抽样,应用统计,41,337-348,(1992)·Zbl 0825.62407号 ·doi:10.2307/2347565 [17] 戈特盖贝尔,E;Ryan,L,间隔相关数据的半参数回归分析,生物统计学,561139-1144,(2000)·Zbl 1060.62616号 ·doi:10.1111/j.0006-341X.2000.01139.x [18] 戈金斯,WB;芬克尔斯坦,DM;斯科恩菲尔德,DA;Zaslavsky,AM,用于在Cox比例风险模型下分析间隔相关数据的马尔可夫链蒙特卡罗EM算法,生物统计学,541498-1507,(1998)·Zbl 1058.62555号 ·doi:10.2307/2533674 [19] 戈麦斯,G;被叫方,ML;奥勒,R;Langohr,K,《间隔相关数据方法及其在R中的实现教程》,Stat Modell,9,259,(2009)·Zbl 07257705号 ·doi:10.1177/1471082X0900900402 [20] Gray,RJ,使用样条曲线分析生存数据的灵活方法及其在乳腺癌预后中的应用,美国统计协会杂志,87,942-951,(1992)·doi:10.1080/01621459.1992.10476248 [21] Green,PJ,可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定,生物统计学,82,711-732,(1995)·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711 [22] 哈斯蒂,T;Tibshirani,R,变系数模型,J R Stat Soc B,55,757-796,(1993)·Zbl 0796.62060号 [23] Hennerfeind,A;布雷兹格,A;Fahrmeir,L,Geoadditive生存模型,J Am Stat Assoc,101,1065-1075,(2006)·Zbl 1120.62331号 ·doi:10.1198/016214500000348 [24] Ibrahim JG,Chen M-H,Sinha D(2001)贝叶斯生存分析。纽约州施普林格·Zbl 0978.62091号 ·doi:10.1007/978-1-4757-3447-8 [25] 贾拉,A;Lesaffre,E;米歇尔·爱奥里奥;Quitana,F,多元双区间相关数据的贝叶斯半参数推断,Ann Appl Stat,42126-2149,(2010)·Zbl 1220.62023号 ·doi:10.1214/10-AOAS368 [26] Kauermann,G,变系数多变量生存模型中的惩罚样条平滑,计算统计数据分析,49,169-186,(2005)·Zbl 1429.62141号 ·doi:10.1016/j.csda.2004.05.006 [27] Kim,S;陈,M-H;戴伊,丹麦;Gamerman,D,具有治愈分数的生存数据的贝叶斯动态模型,《寿命数据分析》,13,17-35,(2007)·Zbl 1121.62029号 ·doi:10.1007/s10985-006-9028-7 [28] Kneib,T,基于混合模型的推断在间隔相关生存时间的地质加性风险回归中,计算统计数据分析,51,777-792,(2006)·兹比尔1157.62506 ·doi:10.1016/j.csda.2006.06.019 [29] 科尼布,T;Fahrmeir,L,《地质加性风险回归的混合模型方法》,Scand J Stat,34207-228,(2007)·Zbl 1142.62073号 ·doi:10.1111/j.1467-9469.2006.00524.x [30] 科珀伯格,C;Clarkson,DB,《用区间敏感数据进行危险回归》,生物计量学,531485-1494,(1997)·Zbl 1065.62542号 ·数字对象标识代码:10.2307/2533514 [31] 科珀伯格,C;斯通,CJ;Truong,YK,《危害回归》,美国统计学会杂志,90,78-94,(1995)·Zbl 0818.62097号 ·doi:10.1080/01621459.1995.10476491 [32] 马丁努森,T;Scheike,TH,《一个灵活的加法-乘法风险模型》,Biometrika,86,283-298,(2002)·Zbl 1019.62086号 ·doi:10.1093/biomet/89.2.283 [33] 南非墨菲;Sen,PK,Cox型回归模型中的时间相关系数,Stoch Process Appl,39,153-180,(1991)·Zbl 0754.62069号 ·doi:10.1016/0304-4149(91)90039-F [34] Pan,W,将迭代凸次多项式算法推广到区间相关数据的Cox模型,计算图统计杂志,8,109-120,(1999) [35] Pan,W,《利用区间相关数据对Cox回归进行多重插补的方法》,《生物统计学》,56,199-203,(2000)·Zbl 1060.62649号 ·doi:10.1111/j.0006-341X.2000.00199.x [36] 彭,L;Huang,Y,带时间协变量效应的生存分析,Biometrika,94719-733,(2007)·Zbl 1135.62080号 ·doi:10.1093/biomet/asm058 [37] Satten,GA,区间删失数据比例风险模型中基于秩的推断,Biometrika,83,355-370,(1996)·Zbl 0864.62079号 ·doi:10.1093/biomet/83.2.355 [38] 辛哈,D;陈,M-H;Ghosh,SK,间隔感知生存数据的贝叶斯分析和模型选择,生物统计学,55,585-590,(1999)·Zbl 1059.62715号 ·doi:10.1111/j.0006-341X.1999.00585.x [39] 施皮格尔(Spiegelhalter),DJ;最佳,NG;英国石油公司卡林;Linde,A,模型复杂性和拟合的贝叶斯测度(pkg:P583-639),J R Stat Soc B,64583-616,(2002)·Zbl 1067.62010年 ·数字对象标识代码:10.1111/1467-9868.00353 [40] 田,L;扎克,D;Wei,L,关于时变回归系数的Cox模型,J Am Stat Assoc,100,172-183,(2005)·Zbl 1117.62435号 ·doi:10.1198/016214500000845 [41] Vanobbergen,J;马滕斯,L;德克勒克,D;Lesaffre,M,The signal tandmobiel(R)project:Franders(比利时)纵向干预口腔健康促进研究:基线和第一年结果,《欧洲儿科牙医杂志》,287-96,(2000) 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。