Super-efficient estimation of future conditional hazards based on time-homogeneous high-quality marker information
基于时间齐次高质量标记信息的未来条件风险率超高效估计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：摘要研究生存事件的条件风险率及医学动态预测，未提供宏观预测、金融风险或其他所列方向的依据。
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…
基于时间齐次高质量标记信息的未来条件风险率超高效估计
- 研究问题
- 如何利用时间齐次且具有高质量的标记信息预测未来事件，并在包含非参数成分的模型中实现较快的风险率估计？
- 方法与思路
- 作者在非参数计数过程框架中对标记质量和条件分布施加假设，建立一致性与渐近正态性，并据此构造同时置信带。
- 材料陈述的贡献
- 摘要称估计达到参数收敛速率，给出一致渐近理论及风险率同时置信带，并以模拟和肝病个体动态预测展示方法。
- 阅读关注点
- 应核对高质量标记和时间齐次性的精确定义、参数速率成立的范围，以及轻微违背假设的模拟如何设置和评估。
- 阅读边界
- 仅据所给 Crossref 摘要，不能把所称超高效推广至一般非参数模型，也无法判断假设可检验性和鲁棒范围；刊本变化未提供。
原文摘要
Summary We introduce a new concept for forecasting future events based on marker information. The model is developed in the nonparametric counting process setting under the assumptions that the marker is of so-called high quality and with a time-homogeneous conditional distribution. Despite the model having nonparametric parts, it is established herein that it attains a parametric rate of uniform consistency and uniform asymptotic normality. In usual nonparametric scenarios, reaching such a fast convergence rate is not possible, so one can say that the proposed approach is super-efficient. These theoretical results are employed in the construction of simultaneous confidence bands directly for the hazard rate. Extensive simulation studies validate and compare the proposed methodology with the joint modelling approach and illustrate its robustness for mild violations of the assumptions. Its use in practice is illustrated in the computation of individual dynamic predictions in the context of primary biliary cirrhosis of the liver.