Using covariate-specific disease prevalence information to increase the power of case-control studies
利用协变量特定患病率信息提高病例对照研究功效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：摘要讨论流行病学病例对照抽样和辅助信息，二元结局本身不足以归入经济学离散选择方向。
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
利用协变量特定患病率信息提高病例对照研究功效
- 研究问题
- 如何把登记数据库或大型队列中按协变量分层的患病率信息用于新的病例对照研究，以提高逻辑回归推断的效率？
- 方法与思路
- 作者将协变量特定患病率作为辅助信息，通过一系列无偏估计方程纳入分析，并采用经验似然开展统计推断。
- 材料陈述的贡献
- 摘要称所提程序旨在提升病例对照逻辑回归的估计效率，并用模拟和应用展示优势；改进幅度及具体比较未说明。
- 阅读关注点
- 应核对外部患病率与研究样本的适用人群是否一致、辅助信息的不确定性如何处理，以及无偏方程的成立条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未说明外部患病率是否视为已知，也无法判断信息误差对推断的影响。
原文摘要
Public registration databases and large cohort studies provide vital information on disease prevalence at various levels of a risk factor. This auxiliary information can be helpful in conducting statistical inference in a new study. We aim to develop a statistical procedure that improves the efficiency of the logistic regression model for a case-control study by utilizing auxiliary information on covariate-specific disease prevalence via a series of unbiased estimating equations. We adopt empirical likelihood for statistical inference, and demonstrate its advantages through simulation and an application.