Additive Hazards Regression with Covariate Measurement Error
协变量存在测量误差时的加性风险回归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：摘要研究测量误差下的生存回归，未提供归入所列因果、面板或其他细分方向的明确依据。
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…
关注这篇论文的作者
协变量存在测量误差时的加性风险回归
- 研究问题
- 在删失生存数据中，所有个体仅有误差协变量、随机验证子样本另有真实协变量时，怎样估计加性风险回归？
- 方法与思路
- 作者设代理协变量为真实值的线性函数加随机误差，结合验证与非验证样本贡献构造估计函数并自适应选权。
- 材料陈述的贡献
- 摘要称所得估计量一致且渐近正态，方差易于估计；模拟支持渐近近似的实用性，并给出医学研究示例。
- 阅读关注点
- 应核对验证样本随机抽取的要求、测量误差矩条件、最优权重的含义，以及删失机制与方差估计的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；误差矩条件、删失假设和模拟设计未完整说明，不能推断刊本变化。
原文摘要
The additive hazards model specifies that the hazard function conditional on a set of covariates is the sum of an arbitrary baseline hazard function and a regression function of covariates. This article deals with the analysis of this semiparametric regression model with censored failure time data when covariates are subject to measurement error. We assume that the true covariate is measured on a randomly chosen validation set, whereas a Surrogate covariate (i.e., an error-prone version of the true covariate) is measured on all study subjects. The Surrogate covariate is modeled as a linear function of the true covariate plus a random error. Only moment conditions are imposed on the measurement error distribution. We develop a class of estimating functions for the regression parameters that involve weighted combinations of the contributions from the validation and nonvalidation sets. The optimal weight can be selected by an adaptive procedure. The resulting estimators are consistent and asymptotically normal with easily estimated variances. Simulation results demonstrate that the asymptotic approximations are adequate for practical use. Illustration with a real medical study is provided.