A general approach for cure models in survival analysis
生存分析中治愈模型的一般方法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：摘要讨论医学生存分析和治愈混合模型，未明确研究经济分布效应或其他所列细分方向。
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
生存分析中治愈模型的一般方法
- 研究问题
- 当部分个体不会发生目标事件、寿命又受到随机右删失时，如何结合协变量估计治愈比例与未治愈个体的条件生存函数？
- 方法与思路
- 作者对治愈比例使用参数模型，对未治愈者的生存函数不作参数设定，并通过反演将其表示为可观测变量分布的函数。
- 材料陈述的贡献
- 摘要称，证明模型可识别性及参数估计的一致性和渐近正态性，并研究核估计、与 Cox 治愈模型的模拟比较及医学应用。
- 阅读关注点
- 应核对右删失与随访支持范围的条件、反演识别的依据，以及非参数估计和带宽选择如何影响治愈比例估计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，具体识别和删失条件未说明；模拟比较的方向与大小未提供，不能声称优于 Cox 模型。
原文摘要
In survival analysis it often happens that some subjects under study do not experience the event of interest; they are considered to be “cured.” The population is thus a mixture of two subpopulations, one of cured subjects and one of “susceptible” subjects. We propose a novel approach to estimate a mixture cure model when covariates are present and the lifetime is subject to random right censoring. We work with a parametric model for the cure proportion, while the conditional survival function of the uncured subjects is unspecified. The approach is based on an inversion which allows us to write the survival function as a function of the distribution of the observable variables. This leads to a very general class of models which allows a flexible and rich modeling of the conditional survival function. We show the identifiability of the proposed model as well as the consistency and the asymptotic normality of the model parameters. We also consider in more detail the case where kernel estimators are used for the nonparametric part of the model. The new estimators are compared with the estimators from a Cox mixture cure model via simulations. Finally, we apply the new model on a medical data set.