Semiparametric Regression Models for Repeated Events with Random Effects and Measurement Error
含随机效应与测量误差的重复事件半参数回归模型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：文本聚焦重复事件过程及误差调整，随机临床试验仅作示例，未明确讨论所列因果或面板方法。
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…
含随机效应与测量误差的重复事件半参数回归模型
- 研究问题
- 分析重复发生的事件时，如何同时处理遗漏协变量带来的异质性和协变量测量误差，并进行参数估计与检验？
- 方法与思路
- 作者从朴素的半参数泊松过程回归出发，将遗漏协变量建模为随机效应，再调整随机效应及可能的测量误差。
- 材料陈述的贡献
- 摘要提出重复事件回归的估计与显著性检验方法，并使用预防复发性皮肤肿瘤的随机临床试验数据作示例。
- 阅读关注点
- 核对随机效应与测量误差的设定、调整步骤及检验依据，并查看重复事件观测机制如何进入估计过程。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；摘要未说明调整所需信息、具体假设或试验结果，不能据此判断因果效应。
原文摘要
Statistical methodology is presented for the regression analysis of multiple events in the presence of random effects and measurement error. Omitted covariates are modeled as random effects. Our approach to parameter estimation and significance testing is to start with a naive model of semiparametric Poisson process regression, and then to adjust for random effects and any possible covariate measurement error. We illustrate the techniques with data from a randomized clinical trial for the prevention of recurrent skin tumors.