A Nonparametric Test to Compare Survival Distributions with Covariate Adjustment
带协变量调整的生存分布比较非参数检验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：摘要研究生存分析中的条件风险比较，未明确涉及因果识别或所列其他细分方向。
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
带协变量调整的生存分布比较非参数检验
- 研究问题
- 存在右删失且比例风险或协变量对数线性设定不成立时，如何调整协变量并比较多个组的条件风险函数？
- 方法与思路
- 作者提出渐近有效的多样本检验统计量，不要求比例风险、相对风险函数的参数设定或随机分组，并开展模拟与应用。
- 材料陈述的贡献
- 摘要称，该检验放宽了常用 Cox 模型检验的相关限制；模拟表现令人满意，并以一组前列腺癌数据展示方法。
- 阅读关注点
- 应核对删失机制、协变量调整方式、组间可比性及渐近有效性的条件，并检查模拟中的检验大小与功效表现。
- 阅读边界
- 仅据 Crossref 摘要；摘要未说明删失与协变量支持条件，也未给出模拟数值；无需随机分组不等于识别了因果效应。
原文摘要
Summary The analysis of covariance is a technique that is used to improve the power of a k-sample test by adjusting for concomitant variables. If the end point is the time of survival, and some observations are right censored, the score statistic from the Cox proportional hazards model is the method that is most commonly used to test the equality of conditional hazard functions. In many situations, however, the proportional hazards model assumptions are not satisfied. Specifically, the relative risk function is not time invariant or represented as a log-linear function of the covariates. We propose an asymptotically valid k-sample test statistic to compare conditional hazard functions which does not require the assumption of proportional hazards, a parametric specification of the relative risk function or randomization of group assignment. Simulation results indicate that the performance of this statistic is satisfactory. The methodology is demonstrated on a data set in prostate cancer.