Simple Regression Methods for Survival Time Studies
生存时间研究的简单回归方法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：摘要明确研究生存分布拟合与医学数据，未对应所列计量领域中的特定细分方向。
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
生存时间研究的简单回归方法
- 研究问题
- 对于分组生存数据，能否用简单最小二乘估计拟合多种生存分布，并依据似然选择值得进一步考察的候选模型？
- 方法与思路
- 作者利用样本危险函数，以最小二乘拟合指数、线性危险、Gompertz 和 Weibull 分布，并用似然辅助选择模型。
- 材料陈述的贡献
- 摘要称蒙特卡洛中样本量至少五十时，最小二乘估计效率接近最大似然，并将方法用于一百一十二名骨髓瘤患者。
- 阅读关注点
- 阅读时应核对分组方式、危险函数估计、删失处理、效率比较的模拟设定，以及候选分布选择规则和患者应用结果。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；效率接近的说法限于所述模拟，未说明删失与参数设置，不能视为统一样本量保证。
原文摘要
Given a set of grouped survival data, least squares estimates are proposed for the parameters of four survival distributions that can be fit: exponential, linear hazard, Gompertz and Weibull. Sample estimates of the hazard function are utilized in the least squares procedures and a method is given for selecting a distribution for further investigation based on the likelihood under the four survival models. A Monte Carlo study demonstrated that the least squares estimates are nearly as efficient as maximum likelihood when the sample size is 50 or more. The methods are applied to survival data for 112 patients with plasma cell myeloma.