Semiparametric latent-class models for multivariate longitudinal and survival data
多变量纵向与生存数据的半参数潜在类别模型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：摘要明确研究长期随访中的多变量重复测量与人群异质性，直接涉及纵向面板数据的建模。
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
多变量纵向与生存数据的半参数潜在类别模型
- 研究问题
- 长期随访同时记录多变量重复测量与事件发生时间时，如何联合建模异质人群，并灵活描述纵向结果与生存结果的依赖？
- 方法与思路
- 作者提出半参数潜在类别模型，结合非参数最大似然与筛估计，以 EM 算法计算，并运用经验过程及半参数理论分析渐近性质。
- 材料陈述的贡献
- 摘要称建立了所提估计量的渐近性质，通过模拟展示方法优势，并将其应用于社区动脉粥样硬化风险研究。
- 阅读关注点
- 应核对潜在类别与依赖结构的设定、模型可识别性、筛空间选择、EM 算法实现，以及渐近结论与模拟比较所需的条件。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；摘要未说明类别数选择、具体渐近条件或优势的比较指标，不能据此判断普遍优越性。
原文摘要
In long-term follow-up studies, data are often collected on repeated measures of multivariate response variables as well as on time to the occurrence of a certain event. To jointly analyze such longitudinal data and survival time, we propose a general class of semiparametric latent-class models that accommodates a heterogeneous study population with flexible dependence structures between the longitudinal and survival outcomes. We combine nonparametric maximum likelihood estimation with sieve estimation and devise an efficient EM algorithm to implement the proposed approach. We establish the asymptotic properties of the proposed estimators through novel use of modern empirical process theory, sieve estimation theory, and semiparametric efficiency theory. Finally, we demonstrate the advantages of the proposed methods through extensive simulation studies and provide an application to the Atherosclerosis Risk in Communities study.