The Versatility of Function-Indexed Weighted Log-Rank Statistics
函数索引加权对数秩统计量的多适应性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：摘要聚焦删失生存数据检验，没有明确涉及所列经济计量细分领域。
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
函数索引加权对数秩统计量的多适应性
- 研究问题
- 在右删失的两样本生存比较中，如何为函数索引加权对数秩统计量计算 P 值，并提高对多种备择的检验敏感性？
- 方法与思路
- 作者针对权重函数索引统计量复杂的渐近分布开发蒙特卡洛 P 值方法，评价中等样本表现，并与既有检验和临床数据比较。
- 材料陈述的贡献
- 摘要称该方法可准确计算 P 值，函数索引检验在多种临床相关备择下可比既有加权对数秩检验具有更高功效。
- 阅读关注点
- 应核对权重函数族、删失条件和蒙特卡洛校准步骤，以及功效比较是否控制相同尺寸、覆盖哪些有序备择。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未列出具体权重族、尺寸误差或各备择下的功效数值。
原文摘要
Two-sample weighted log-rank statistics are used in the presence of right censoring to test whether failure times from two populations have different survival distributions. Kosorok has showed that large families of these statistics form stochastic processes indexed by weight functions, and that these function-indexed statistics can be used to construct versatile test procedures simultaneously sensitive to a wide array of both ordered hazards and stochastic ordering alternatives. The complexity of the asymptotic distribution of these statistics precludes obtaining p values through analytical means. In this article we develop a Monte Carlo method for accurately obtaining these p values, and we evaluate the moderate sample size properties of this method and compare the power of function-indexed statistics with previously developed weighted log-rank tests. These statistics are also examined in a data analysis of the Beta-Blocker Heart Attack Trial (BHAT). The results of this article demonstrate that the proposed function-indexed procedures can be more powerful for a variety of clinically relevant alternatives than previously described weighted log-rank tests.