A Class of Functional Methods for Error-Contaminated Survival Data Under Additive Hazards Models with Replicate Measurements
重复测量下含测量误差生存数据的加性风险函数校正方法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：材料聚焦生存分析中的协变量测量误差，未明确涉及所列经济计量细分方向。
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
重复测量下含测量误差生存数据的加性风险函数校正方法
- 研究问题
- 在加性风险生存模型中，协变量测量误差如何影响估计，忽略误差产生的渐近偏差又如何校正？
- 方法与思路
- 作者研究测量误差引起的偏差，提出一类函数校正方法，并考察方法有效性、模型检查及模型误设问题。
- 材料陈述的贡献
- 摘要称，文章揭示不同于比例风险模型的测量误差影响，建立校正方法的理论结果，并提供数值评估。
- 阅读关注点
- 应核对重复测量如何提供误差信息、删失及误差机制的条件、校正函数的构造，以及模型误设下的适用边界。
- 阅读边界
- 索引摘要版本未注明，且未交代重复测量设计、误差分布、删失条件或数值结果，无法评估实际校正效果。
原文摘要
Covariate measurement error has attracted extensive interest in survival analysis. Since Prentice, a large number of inference methods have been developed to handle error-prone data that are modulated with proportional hazards models. In contrast to proportional hazards models, additive hazards models offer a flexible tool to delineate survival processes. However, there is little research on measurement error effects under additive hazards models. In this article, we systematically investigate this important problem. New insights into measurement error effects are revealed, as opposed to well-documented results for proportional hazards models. In particular, we explore asymptotic bias of ignoring measurement error in the analysis. To correct for the induced bias, we develop a class of functional correction methods for measurement error effects. The validity of the proposed methods is carefully examined, and we investigate issues of model checking and model misspecification. Theoretical results are established, and are complemented with numerical assessments. Supplementary materials for this article are available online.