A Semiparametric Mixture Approach to Case-Control Studies with Errors in Covariables
协变量含误差的病例对照研究：半参数混合方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究病例对照抽样中的二元疾病回归与测量误差，二元响应本身不足以归为离散选择或因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
协变量含误差的病例对照研究：半参数混合方法
- 研究问题
- 病例对照研究中多数样本只有替代协变量、少数具有金标准测量时，如何估计前瞻 Logistic 模型参数并利用验证信息？
- 方法与思路
- 作者用混合模型结合两类样本，依据验证样本参数化测量误差密度，并以非参数混合分布描述真实协变量的边际分布。
- 材料陈述的贡献
- 摘要称该设定可提高参数估计效率并减少偏差；误差分布已知或由独立来源估计时也可无验证样本，部分结果适用于前瞻抽样。
- 阅读关注点
- 应核对病例对照抽样如何进入似然、验证样本的作用，以及误差密度对疾病状态的依赖、模型识别和效率比较条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要未给出验证样本机制、完整识别条件或改善幅度，不能将结果推广至任意未知误差分布。
原文摘要
Methods are devised for estimating the parameters of a prospective logistic model in a case-control study with dichotomous response D that depends on a covariate X. For a portion of the sample, both the gold standard X and a surrogate covariate W are available; however, for the greater portion of the data, only the surrogate covariate W is available. By using a mixture model, the relationship between the true covariate and the response can be modeled appropriately for both types of data. The likelihood depends on the marginal distribution of X and the measurement error density (W|X, D). The latter is modeled parametrically based on the validation sample. The marginal distribution of the true covariate is modeled using a nonparametric mixture distribution. In this way we can improve the efficiency and reduce the bias of the parameter estimates. The results also apply when there is no validation data provided the error distribution is known or estimated from an independent data source. Many of the results also apply to the easier case of prospective sampling.