Prospective analysis of case-control data under general multiplicative-intercept risk models
一般乘法截距风险模型下病例对照数据的前瞻式分析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：摘要聚焦病例对照抽样与风险模型似然，未明确建立因果推断或经济离散选择模型的对应关系。
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
一般乘法截距风险模型下病例对照数据的前瞻式分析
- 研究问题
- 对按疾病状态抽样的病例对照数据，在一般乘法截距风险模型下，能否使用前瞻式似然获得正确的协变量参数估计与推断？
- 方法与思路
- 作者在乘法截距风险模型中分析前瞻式最大似然的有效性，区分可识别的协变量参数与由相对抽样比例决定的不可识别乘法常数。
- 材料陈述的贡献
- 摘要称，前瞻式似然不仅给出正确点估计，观察信息矩阵标准误与似然比检验也有效；更大队列的疾病状态数据不增加协变量参数信息。
- 阅读关注点
- 应核对风险模型类别、病例对照抽样条件与可识别参数范围，并确认关于额外队列数据不增加信息的结论究竟针对哪些数据内容。
- 阅读边界
- 仅依据稿件版本未注明的OpenAlex索引摘要。有效性受所述模型类别约束，不能扩展为任意抽样机制下的风险识别或因果解释。
原文摘要
We show that, under a general multiplicative-intercept model for risk, case-control data can be analyzed by maximum likelihood as if they had arisen prospectively, up to an unidentifiable multiplicative constant which depends on the relative sampling fractions. This generalizes earlier work of Anderson (1972, 1979), by showing that not only the point estimates but also the standard errors based on the observed information matrix are correct when the prospective likelihood is maximized. Likelihood ratio testing is also valid under this broad class of risk models. Data on disease status from a much larger cohort are shown to add no information to the estimation of the covariate-related parameters.