Nonparametric inference for competing risks current status data with continuous, discrete or grouped observation times
连续、离散或分组观测时间下竞争风险现状数据的非参数推断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：摘要研究竞争风险与现状删失的生存推断，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
连续、离散或分组观测时间下竞争风险现状数据的非参数推断
- 研究问题
- 竞争风险生存数据仅记录观测时点状态时，观测时间连续、离散或分组如何影响累计发生函数的估计与置信区间？
- 方法与思路
- 作者针对离散支持与分组观测时间建立非参数最大似然估计量及简化朴素估计量的大样本性质，并用于三类模型的区间构造。
- 材料陈述的贡献
- 摘要将已有连续观测时间研究扩展到另外两种模型，并通过绝经类型及 HIV 亚型感染数据展示累计发生函数的推断方法。
- 阅读关注点
- 应核对三类观测时间模型的差异、各估计量极限性质及置信区间构造，区分既有光滑情形结果与本文新增结论。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出各模型的极限分布、条件或区间表现，不能推断三者推断方式相同。
原文摘要
New methods and theory have recently been developed to nonparametrically estimate cumulative incidence functions for competing risks survival data subject to current status censoring. In particular, the limiting distribution of the nonparametric maximum likelihood estimator and a simplified naive estimator have been established under certain smoothness conditions. In this paper, we establish the large-sample behaviour of these estimators in two additional models, namely when the observation time distribution has discrete support and when the observation times are grouped. These asymptotic results are applied to the construction of confidence intervals in the three different models. The methods are illustrated on two datasets regarding the cumulative incidence of different types of menopause from a cross-sectional sample of women in the United States and subtype-specific HIV infection from a sero-prevalence study in injecting drug users in Thailand.