Semiparametric estimation for the additive hazards model with left-truncated and right-censored data
左截断与右删失数据下加性风险模型的半参数估计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：摘要研究生存数据估计，未明确涉及处理效应、面板数据或其他给定细分领域。
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
左截断与右删失数据下加性风险模型的半参数估计
- 研究问题
- 横截面抽样的现患病例存在左截断时，如何利用截断时间的边际信息，提高加性风险模型的估计效率？
- 方法与思路
- 作者用成对伪似然消去边际似然中的干扰参数，再将边际伪得分与条件估计函数组合，构造新的估计量。
- 材料陈述的贡献
- 摘要称，估计量一致且渐近正态，夹心协方差可一致估计；模拟显示其比所比较方法更有效，并给出数据应用。
- 阅读关注点
- 应核对左截断、右删失与抽样机制的条件，组合估计函数的构造，以及效率比较的理论范围和模拟设计。
- 阅读边界
- 索引摘要版本未注明，未列出抽样及删失假设、效率提升数值；不能据摘要认定达到半参数效率界，也不能推断刊本变化。
原文摘要
Survival data from prevalent cases collected under a cross-sectional sampling scheme are subject to left-truncation. When fitting an additive hazards model to left-truncated data, the conditional estimating equation method (Lin & Ying, 1994), obtained by modifying the risk sets to account for left-truncation, can be very inefficient, as the marginal likelihood of the truncation times is not used in the estimation procedure. In this paper, we use a pairwise pseudolikelihood to eliminate nuisance parameters from the marginal likelihood and, by combining the marginal pairwise pseudo-score function and the conditional estimating function, propose an efficient estimator for the additive hazards model. The proposed estimator is shown to be consistent and asymptotically normally distributed with a sandwich-type covariance matrix that can be consistently estimated. Simulation studies show that the proposed estimator is more efficient than its competitors. A data analysis illustrates application of the method.