Nonparametric Association Analysis of Bivariate Competing-Risks Data
双变量竞争风险数据的非参数关联分析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：摘要研究生存分析中的竞争风险与家庭关联，不对应所列金融风险或分布效应方向。
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…
双变量竞争风险数据的非参数关联分析
- 研究问题
- 在双变量失效时间包含相互作用的多种失效类型时，如何非参数估计原因别风险及累积发生概率，并检验随时间变化的成对关联？
- 方法与思路
- 作者构造双变量原因别风险函数和累积发生函数的非参数估计量，不限制风险间依赖，并以此建立时变关联度量和独立性检验。
- 材料陈述的贡献
- 摘要称，估计量一致收敛并弱收敛至高斯过程；模拟支持实际样本下表现，痴呆数据分析提示母子疾病关联随时间显著变化。
- 阅读关注点
- 应核对观察与删失机制、双变量风险函数的定义，以及一致性和弱收敛条件、关联度量的解释和原因别独立性检验的构造。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不限制风险间依赖不等于无删失条件，具体条件和关联估计数值未提供。
原文摘要
Although nonparametric analyses of bivariate failure times under independent censoring have been widely studied, nonparametric analyses of bivariate competing-risks data have not yet been investigated. Such analyses are important in familial association studies, where multiple interacting failure types may violate the independent censoring assumption. We develop nonparametric estimators for the bivariate cause-specific hazards function and the bivariate cumulative incidence function that are natural analogs of their univariate counterparts and make no assumptions about the dependence of the risks. The estimators are shown to be uniformly consistent and to converge weakly to Gaussian processes. They provide the basis for novel time-dependent association measures, with the associated inferences yielding tests of cause-specific independence in pairs. The methodology performs well in simulations with realistic sample sizes. Its practical utility is illustrated in an analysis of dementia in the Cache County Study, where the nonparametric methods indicate that mother–child disease associations are strongly time-varying.