Estimates and confidence intervals for median and mean life in the proportional hazard model
比例风险模型中生存时间中位数与均值的估计及置信区间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：生存时间均值与中位数属于一般生存分析，摘要未明确研究微观分布效应或其他所列方向。
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
比例风险模型中生存时间中位数与均值的估计及置信区间
- 研究问题
- 如何在比例风险回归模型中估计生存时间中位数与均值并构造置信区间，其半参数估计相对 Weibull 参数估计损失多少效率？
- 方法与思路
- 作者结合 Cox 部分似然回归系数估计与 Breslow 基准风险估计，发展生存时间估计及渐近性质，并与 Weibull 模型下估计比较。
- 材料陈述的贡献
- 摘要给出估计与区间方法；在所考察参数下，均值估计效率损失通常较小，中位数损失较大，形状参数近零或重删失时需特别注意。
- 阅读关注点
- 应核对均值估计的尾部处理与适用条件、中位数区间构造，以及效率比较的参数范围、删失程度和形状参数已知或未知的区别。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；效率评价限于所考察参数，具体条件与数值未提供，不能推断普遍优势或刊本变化。
原文摘要
Estimation procedures and confidence intervals are given for the median and mean survival time in the proportional hazard regression model. For median survival, the methods apply to censored data. The procedures are based on Cox's partial likelihood estimates of the linear model parameters in the log linear proportional hazard model and on Breslow's estimate of the baseline hazard function. The asymptotic properties of these semiparametric estimates are developed and they are compared with the optimal parametric estimates for the Weibull regression model. For the parameter values considered, the more generally valid semiparametric estimate of mean survival loses little efficiency relative to the optimal parametric estimates in this model unless the Weibull shape parameter is close to zero. The efficiency loss for the semiparametric estimate of median survival is greater but not severe unless censoring is heavy. We also compare the optimal parametric estimates of mean and median survival with the Weibull shape parameter known and unknown and find that the efficiency loss for the unknown shape estimate is small.