Predicting cumulative incidence probability by direct binomial regression
通过直接二项回归预测累积发生概率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：摘要涉及竞争风险下的累积发生概率回归，未提供宏观预测、离散选择或因果识别的直接依据，故不指定细分。
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
通过直接二项回归预测累积发生概率
- 研究问题
- 在竞争风险模型中，如何直接估计累积发生曲线并评估协变量作用，同时允许部分效应随时间变化？
- 方法与思路
- 作者采用允许时变与时间恒定效应并存的半参数回归模型，提出可由标准软件实现的估计方法，并进行模拟和应用。
- 材料陈述的贡献
- 摘要称，方法实现简便，模拟中的有限样本性质与亚分布方法相近，并用于骨髓移植后缓解期死亡的累积发生分析。
- 阅读关注点
- 应核对直接二项回归的模型形式、时变效应处理、竞争事件与观测机制，以及标准软件实现和亚分布方法的比较。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；识别与观测条件、软件步骤及模拟数值未说明，协变量作用不能直接解释为因果效应。
原文摘要
We suggest a new simple approach for estimation and assessment of covariate effects for the cumulative incidence curve in the competing risks model. We consider a semiparametric regression model where some effects may be time-varying and some may be constant over time. Our estimator can be implemented by standard software. Our simulation study shows that the estimator works well and has finite-sample properties comparable with the subdistribution approach. We apply the method to bone marrow transplant data and estimate the cumulative incidence of death in complete remission following a bone marrow transplantation. Here death in complete remission and relapse are two competing events.