Joint Inference for Competing Risks Survival Data
竞争风险生存数据的联合推断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：摘要聚焦生存分析的竞争风险；这里的风险并非金融尾部风险，且没有明确的因果识别依据。
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…
竞争风险生存数据的联合推断
- 研究问题
- 存在竞争风险时，如何同时评估变量对原因别风险函数和累积发生函数的影响，避免只关注其中一个函数遗漏差异？
- 方法与思路
- 作者为两类函数发展联合推断，分别研究组间比较与回归问题，并讨论相关函数的联合推断及疾病数据应用。
- 材料陈述的贡献
- 摘要称联合检验在其模拟中可比 Bonferroni 方法具有明显更高的功效，并用霍奇金病和淋巴瘤数据展示方法。
- 阅读关注点
- 应核对两类函数的估计模型、联合检验如何处理相关性，以及删失条件、显著性控制和模拟功效比较的设计。
- 阅读边界
- 仅依据稿件版本未注明的 Europe PMC／PubMed 索引摘要；功效优势限于作者报告的模拟，变量影响也不能直接解释为因果。
原文摘要
This article develops joint inferential methods for the cause-specific hazard function and the cumulative incidence function of a specific type of failure to assess the effects of a variable on the time to the type of failure of interest in the presence of competing risks. Joint inference for the two functions are needed in practice because (i) they describe different characteristics of a given type of failure, (ii) they do not uniquely determine each other, and (iii) the effects of a variable on the two functions can be different and one often does not know which effects are to be expected. We study both the group comparison problem and the regression problem. We also discuss joint inference for other related functions. Our simulation shows that our joint tests can be considerably more powerful than the Bonferroni method, which has important practical implications to the analysis and design of clinical studies with competing risks data. We illustrate our method using a Hodgkin disease data and a lymphoma data. Supplementary materials for this article are available online.