Explicit solutions for constrained maximum likelihood estimators in survival/sacrifice experiments
生存与计划处死实验中约束极大似然估计的显式解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：摘要研究动物实验的肿瘤发生率和死亡率约束估计，未明确涉及因果识别或所列其他经济计量细分问题。
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…
生存与计划处死实验中约束极大似然估计的显式解
- 研究问题
- 长期动物实验中，如何避免离散多状态模型产生负的肿瘤发生率估计，并针对不同计划处死安排构造满足边界约束的估计量？
- 方法与思路
- 作者在一至两次中期及一次终期处死设计下推导约束估计的显式解；更多中期处死时，启发式合并相邻区间数据构造替代估计。
- 材料陈述的贡献
- 摘要称给出特定实验设计下满足边界条件的显式估计，并为更复杂设计提出替代方法，以蒙特卡洛模拟评价肿瘤发生率估计表现。
- 阅读关注点
- 应核对多状态模型和边界约束、显式解是否实现受约束似然最大化，以及区间合并规则对偏差和不确定性估计的影响。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；模拟结果未提供，多于两次中期处死时的方法属启发式构造，不能视为已给出同类精确解。
原文摘要
Regulatory agencies routinely base conclusions regarding carcinogenicity of compounds tested in long-term animal studies on tests which are known to be biased under conditions of treatment lethality and tumour lethality. The recognition of these biases has led to a variety of proposed approaches which rely on survival and sacrifice data. Williams & Portier (1992) derived analytic expressions for maximum likelihood estimators of the tumour incidence rate and discrete death rates based on a discrete multistate model. A disadvantage of the proposed estimators was that they sometimes resulted in negative estimates of the tumour incidence rate. In this paper, explicit solutions for constrained estimators are derived under the imposition of boundary conditions for a study design with one or two interim sacrifices and a terminal sacrifice. For study designs with more than two interim sacrifices, alternative estimators of the tumour incidence rate and discrete death rates are developed heuristically by pooling data together from adjacent intervals. The ability of these estimators to predict the true tumour incidence rate under a variety of study conditions is evaluated by Monte Carlo simulation studies.