Proportional mean residual life model for right-censored length-biased data
右删失长度偏倚数据的比例平均剩余寿命模型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：摘要涉及长度偏倚生存分析，未明确对应因果推断或所列分位数与分布效应研究。
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
右删失长度偏倚数据的比例平均剩余寿命模型
- 研究问题
- 横截面招募已经历起始事件的个体会产生长度偏倚，并可能诱发信息性删失；如何据此分析生存结局与风险因素的关联？
- 方法与思路
- 作者采用比例平均剩余寿命模型分析右删失的长度偏倚生存数据，并称方法可处理起始时间删失及无随访横截面数据。
- 材料陈述的贡献
- 摘要所述贡献是将该模型用于兼有长度偏倚和删失的数据，并扩展到若干非标准观测结构，未列出具体理论或数值结果。
- 阅读关注点
- 应核对横截面采样与删失机制、平均剩余寿命模型的参数解释，以及起始时间缺失或没有随访时目标参数如何识别。
- 阅读边界
- 仅据版本未注明的索引摘要，未说明估计步骤、识别条件和推断保证；风险因素关联不能据此解释为因果效应。
原文摘要
To study disease association with risk factors in epidemiologic studies, cross-sectional sampling is often more focused and less costly for recruiting study subjects who have already experienced initiating events. For time-to-event outcome, however, such a sampling strategy may be length biased. Coupled with censoring, analysis of length-biased data can be quite challenging, due to induced informative censoring in which the survival time and censoring time are correlated through a common backward recurrence time. We propose to use the proportional mean residual life model of Oakes & Dasu (Biometrika77, 409–10, 1990) for analysis of censored length-biased survival data. Several nonstandard data structures, including censoring of onset time and cross-sectional data without follow-up, can also be handled by the proposed methodology.