Kernel Estimation of Bivariate Time-Varying Coefficient Model for Longitudinal Data with Terminal Event
含终止事件纵向数据的二元时变系数模型核估计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：摘要明确为纵向重复测量建立随时间变化的回归系数及估计推断方法。
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
含终止事件纵向数据的二元时变系数模型核估计
- 研究问题
- 当纵向测量伴随可能右删失的终止事件时，如何刻画协变量效应同时沿随访时间与剩余寿命变化的轨迹？
- 方法与思路
- 作者提出非参数二元时变系数模型，采用核平滑及交叉验证选择带宽，并在最终分析中欠平滑以消除渐近偏差。
- 材料陈述的贡献
- 摘要称，在温和正则条件下建立核估计的有限维渐近正态性，提供易计算的三明治协方差估计，并用于终末期肾病医疗费用分析。
- 阅读关注点
- 应核对终止时间条件化、右删失及纵向观测机制的处理，区分有限维正态性与整条系数曲线推断，并检查欠平滑规则。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失条件、带宽速率及费用数据结果未提供，非参数扩展不保证消除所有模型误设。
原文摘要
We propose a nonparametric bivariate time-varying coefficient model for longitudinal measurements with the occurrence of a terminal event that is subject to right censoring. The time-varying coefficients capture the longitudinal trajectories of covariate effects along with both the followup time and the residual lifetime. The proposed model extends the parametric conditional approach given terminal event time in recent literature, and thus avoids potential model misspecification. We consider a kernel smoothing method for estimating regression coefficients in our model and use cross-validation for bandwidth selection, applying undersmoothing in the final analysis to eliminate the asymptotic bias of the kernel estimator. We show that the kernel estimates follow a finite-dimensional normal distribution asymptotically under mild regularity conditions, and provide an easily computed sandwich covariance matrix estimator. We conduct extensive simulations that show desirable performance of the proposed approach, and apply the method to analyzing the medical cost data for patients with end-stage renal disease.