Marginal proportional hazards models for multivariate interval-censored data
多元区间删失数据的边际比例风险模型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：摘要属于相关事件的区间删失生存分析，未明确对应所列面板、因果或分布效应方向。
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
多元区间删失数据的边际比例风险模型
- 研究问题
- 当多个相关事件的发生时间只能定位于区间内时，如何估计可能随时间变化的协变量效应，同时避免指定事件间依赖结构？
- 方法与思路
- 作者采用边际比例风险模型，在工作独立假设下构造非参数伪似然，以 EM 型算法估计，并用夹心估计量处理相关事件的方差。
- 材料陈述的贡献
- 摘要称回归参数估计量一致且渐近正态，相关事件具有任意依赖结构时仍可一致估计极限协方差，并展示模拟与社区动脉粥样硬化风险研究应用。
- 阅读关注点
- 应核对区间观测机制、时变协变量处理、工作独立与真实依赖的区别，以及夹心方差估计及渐近结果所需条件。
- 阅读边界
- 仅据所给 Crossref 摘要，删失机制与抽样单位条件未说明；对相关事件依赖结构的灵活性不意味着任意区间观测机制下都有效。
原文摘要
Summary Multivariate interval-censored data arise when there are multiple types of events or clusters of study subjects, such that the event times are potentially correlated and when each event is only known to occur over a particular time interval. We formulate the effects of potentially time-varying covariates on the multivariate event times through marginal proportional hazards models while leaving the dependence structures of the related event times unspecified. We construct the nonparametric pseudolikelihood under the working assumption that all event times are independent, and we provide a simple and stable EM-type algorithm. The resulting nonparametric maximum pseudolikelihood estimators for the regression parameters are shown to be consistent and asymptotically normal, with a limiting covariance matrix that can be consistently estimated by a sandwich estimator under arbitrary dependence structures for the related event times. We evaluate the performance of the proposed methods through extensive simulation studies and present an application to data from the Atherosclerosis Risk in Communities Study.