On the accelerated failure time model for current status and interval censored data
现状及区间删失数据的加速失效时间模型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：摘要聚焦删失生存回归推断，未明确涉及因果识别或所列其他经济计量细分。
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
现状及区间删失数据的加速失效时间模型
- 研究问题
- 面对现状和区间删失数据，如何对加速失效时间模型的回归参数进行推断，并同时计算点估计与方差协方差估计？
- 方法与思路
- 作者通过反演针对原假设比例风险模型的 Wald 型检验构造估计量，并采用基于 MCMC 的重抽样方法计算相关估计。
- 材料陈述的贡献
- 摘要称该方法可同时得到点估计和一致的方差协方差估计，并用两项临床研究与数值实验展示应用和有限样本表现。
- 阅读关注点
- 应核对加速失效时间参数与比例风险原假设之间的转换、检验反演步骤，以及 MCMC 重抽样与方差一致性的条件。
- 阅读边界
- OpenAlex 摘要未注明稿件版本，未说明删失机制、算法细节或数值结果；不能据此认定效率优势或推广至任意删失设计。
原文摘要
This paper introduces a novel approach to making inference about the regression parameters in the accelerated failure time model for current status and interval censored data. The estimator is constructed by inverting a Wald-type test for testing a null proportional hazards model. A numerically efficient Markov chain Monte Carlo based resampling method is proposed for obtaining simultaneously the point estimator and a consistent estimator of its variance-covariance matrix. We illustrate our approach with interval censored datasets from two clinical studies. Extensive numerical studies are conducted to evaluate the finite-sample performance of the new estimators.