Random effects Cox models: A Poisson modelling approach
随机效应 Cox 模型的泊松建模方法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：摘要研究生存模型中的嵌套随机效应，未明确涉及面板数据结构或因果识别，故不作相应分类。
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
随机效应 Cox 模型的泊松建模方法
- 研究问题
- 如何估计具有嵌套随机效应的 Cox 比例风险模型，使主要理论结果仅依赖未观测随机效应的一阶与二阶矩？
- 方法与思路
- 作者采用泊松建模和最佳线性无偏预测思路处理随机效应，给出显式表达式，并重分析颗粒空气污染与死亡率队列数据。
- 材料陈述的贡献
- 摘要称，该方法可论证相应的一致性与最优性，且随机效应的显式表达便于纳入较多随机效应，应用展示其使用方式。
- 阅读关注点
- 应核对 Cox 与泊松建模之间的对应、矩条件与最优性准则，以及嵌套结构、大量随机效应和队列数据的具体处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能认定方法对所有随机效应分布均有效，也不能据队列应用推出污染的因果效应。
原文摘要
We propose a Poisson modelling approach to nested random effects Cox proportional hazards models. An important feature of this approach is that the principal results depend only on the first and second moments of the unobserved random effects. The orthodox best linear unbiased predictor approach to random effects Poisson modelling techniques enables us to justify appropriate consistency and optimality. The explicit expressions for the random effects given by our approach facilitate incorporation of a relatively large number of random effects. The use of the proposed methods is illustrated through the reanalysis of data from a large‐scale cohort study of particulate air pollution and mortality previously reported by Pope et al. (1995).