Robust covariate-adjusted logrank tests
稳健的协变量调整对数秩检验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：摘要明确涉及生存分析中的治疗效应检验，但未交代因果识别框架，所列细分缺少直接对应项。
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
稳健的协变量调整对数秩检验
- 研究问题
- 在含协变量的两组删失生存数据中，如何检验治疗效应，同时提高相对检验效率，并保持对工作模型误设的稳健性？
- 方法与思路
- 作者扩展稳健得分统计量，针对不同工作模型估计并优化相对效率，并通过数值计算考察非比例风险情形下的检验功效。
- 材料陈述的贡献
- 摘要称该方法在保持模型稳健性的同时改善纯非参数对数秩检验，并在部分非比例风险情形中表现出较稳定的功效。
- 阅读关注点
- 阅读全文时应核对删失与分组条件、工作模型误设下检验有效性的依据，以及相对效率优化和功效比较所使用的设置。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，稳健性条件、数值幅度及因果识别设计未说明，不能将所述功效改善推广到所有情形。
原文摘要
In testing for significance of treatment effect within two-sample censored survival data with measured covariates, it is known (Tsiatis, Rosner & Tritchler, 1985) that adjusting the logrank test statistic using a proportional-hazards model for covariate effect can substantially increase efficiency. Extending the robust score statistics described by Lin & Wei (1989), we show how to estimate and optimise the relative efficiencies of such score statistics based on various possible working models, providing a flexible and statistically valid two-sample testing methodology which improves upon the purely nonparametric logrank without sacrificing model robustness. Numerical calculations indicate some nonproportional-hazard settings within which the power of the logrank is erratic while the tests described here have reliably good power.