Kernel smoothed profile likelihood estimation in the accelerated failure time frailty model for clustered survival data
聚类生存数据加速失效时间脆弱性模型的核平滑剖面似然估计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：摘要聚焦聚类生存数据与脆弱性模型，组内相关本身不足以归入面板或网络方向。
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…
聚类生存数据加速失效时间脆弱性模型的核平滑剖面似然估计
- 研究问题
- 对于家庭等组内相关的生存时间，如何在加速失效时间脆弱性模型中进行非参数极大似然估计，并有效估计回归系数及其方差？
- 方法与思路
- 作者使用核平滑辅助的 EM 算法实施非参数极大似然估计，并提出 EM 辅助数值微分方法估计回归系数的方差。
- 材料陈述的贡献
- 摘要称带宽适当选择时，回归系数估计一致、渐近正态且达到半参数效率；模拟评估有限样本表现，并应用于糖尿病视网膜病变数据。
- 阅读关注点
- 应核对组内依赖和脆弱性分布假设、删失机制、带宽要求，以及 EM 优化与数值微分方差估计的稳定性和适用条件。
- 阅读边界
- 材料为版本未注明的索引摘要；未给出脆弱性设定、带宽条件或模拟数值，不能认定任意带宽均有效或算法全局收敛，也不能推断刊本变化。
原文摘要
Clustered survival data frequently arise in biomedical applications, where event times of interest are clustered into groups such as families. In this article we consider an accelerated failure time frailty model for clustered survival data and develop nonparametric maximum likelihood estimation for it via a kernel smoother aided EM algorithm. We show that the proposed estimator for the regression coefficients is consistent, asymptotically normal and semiparametric efficient when the kernel bandwidth is properly chosen. An EM-aided numerical differentiation method is derived for estimating its variance. Simulation studies evaluate the finite sample performance of the estimator, and it is applied to the Diabetic Retinopathy data set.