Nonparametric estimation from current status data with competing risks
竞争风险下现状数据的非参数估计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：摘要聚焦竞争风险与生存分析，所列领域没有直接对应项，也未明确讨论计量分布效应。
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
竞争风险下现状数据的非参数估计
- 研究问题
- 当横截面观察仅记录监测时点的事件状态且存在竞争风险时，如何非参数估计生存分布并处理部分精确事件时间？
- 方法与思路
- 作者以简单参数模型作背景，讨论非参数程序及最大似然估计，并用自然和手术绝经年龄数据说明相关方法。
- 材料陈述的贡献
- 摘要所述贡献是讨论竞争风险现状数据的非参数估计，并纳入一种扩展：某类事件在监测前发生时可精确观察时间。
- 阅读关注点
- 应核对监测时间与事件时间的关系、竞争事件类别的观测方式、非参数似然构造，以及部分精确时间如何进入估计。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未陈述识别条件、渐近性质或比较结果，应用示例不能替代这些论证。
原文摘要
A great deal of recent attention has focused on the estimation of survival distributions based on current status data, an extreme form of interval censored data. This particular data structure arises in a wide variety of applications where cross‐sectional observation either naturally occurs or is preferred to more traditional forms of follow‐up. Here we consider current status data in the context of competing risks. We briefly consider simple parametric models as a backdrop to nonparametric procedures. We make some brief comparisons and remarks regarding the nonparametric maximum likelihood estimator. The ideas are illustrated on the data of Krailo & Pike (1983) which considers estimation of the age distribution at both natural and operative menopause. We also consider the case where there is exact observation of failure times due to one of the competing risks when failure occurs prior to the monitoring time.