Partially identifying competing risks models: An application to the war on cancer
竞争风险模型的部分识别：癌症死亡趋势应用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：摘要直接研究竞争风险下潜在持续时间分布的部分识别界及其统计推断。
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
竞争风险模型的部分识别：癌症死亡趋势应用
- 研究问题
- 当持续时间离散观测、不同风险之间的依赖未知时，如何界定潜在持续时间分布，并据此重新考察癌症死亡趋势？
- 方法与思路
- 作者利用观测离散性，将分布界表示为非线性等式与不等式系统，设计顺序求解方法，并研究界估计的渐近性质和 Bootstrap。
- 材料陈述的贡献
- 摘要称顺序算法较既有方法显著降低计算负担，提供界估计推断；扩展癌症死亡数据后的估计模式与原研究发现不同。
- 阅读关注点
- 应核对界是否锐利、非线性约束如何由观测分布产生，以及顺序求解和 Bootstrap 在约束绑定情形下的有效性。
- 阅读边界
- 仅据所给出版社摘要，无法判断界的具体宽度或癌症趋势差异的方向；摘要未说明完整识别条件、数值结果或版本变化。
原文摘要
Competing risks models for discretely measured durations are partially identifying due to the unknown dependence structure between risks and the discrete nature of the outcome. This article develops a highly tractable bounds approach for underlying distributions of latent durations by exploiting the discreteness. Bounds are obtained from a system of nonlinear (in)equalities. I devise a sequential solution method that requires much less computational burden than existing methods. Asymptotic properties of bound estimators and a simple bootstrap procedure are provided. I apply the proposed approach to re-evaluate trends in cancer mortality extending the data studied in Honoré and Lleras-Muney (2006). Estimated patterns differ from the original findings.