Estimating medical costs with censored data
删失数据下的医疗费用估计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：摘要研究删失条件下的均值估计，未说明因果效应、分位数或其他所列细分主题。
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…
关注这篇论文的作者
删失数据下的医疗费用估计
- 研究问题
- 个人医疗费用可能因随访不完整而右删失时，如何估计平均医疗费用，避免直接使用已收集费用的汇总统计量造成误导？
- 方法与思路
- 作者提出处理删失的加权估计量，研究一致性、渐近正态性、方差估计与效率，并通过模拟及心脏病试验费用数据展示。
- 材料陈述的贡献
- 摘要称所提估计量具有可估计的渐近方差，在多种模拟情形及较重删失下表现良好，并讨论其他删失问题的扩展。
- 阅读关注点
- 应核对目标费用的时间范围、权重构造及删失机制条件，关注效率比较的基准和重删失模拟是否覆盖实际数据情形。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失机制、权重细节和模拟数值未说明，不能将摘要中的良好表现推广到任意删失数据。
原文摘要
Incompleteness of follow-up data is a common problem in estimating medical costs. Native analysis using summary statistics on the collected data can result in severely misleading statistical inference. This paper focuses on the problem of estimating the mean medical cost from a sample of individuals whose medical costs may be right censored. A class of weighted estimators which account appropriately for censoring are introduced. Our estimators are shown to be consistent and asymptotically normal with easily estimated variances. The efficiency of these estimators is studied with the goal of finding as efficient an estimator for the mean medical cost as is feasible. Extensive simulation studies are used to show that our estimators perform well in finite samples, even with heavily censored data, for a variety of circumstances. The methods are applied to a set of cost data from a cardiology trial conducted by the Duke University Medical Center. Extensions to other censored data problems are also discussed.