Recurrent Events Analysis in the Presence of Time-Dependent Covariates and Dependent Censoring
时变协变量与依赖删失下的重复事件分析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：摘要研究重复事件与删失校正，未明确提出因果效应识别或其他所列细分方向的方法。
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…
时变协变量与依赖删失下的重复事件分析
- 研究问题
- 在重复事件模型含时变协变量且存在信息性删失时，如何调整 Andersen–Gill 回归参数估计，减少忽略删失机制的偏差？
- 方法与思路
- 作者综述重复事件方法，并提出 Andersen–Gill 模型的删失逆概率加权估计，以模拟及囊性纤维化患者复发数据说明。
- 材料陈述的贡献
- 摘要称删失机制被一致估计时，加权估计在信息性删失下仍一致；独立删失下通常也有所改进，但未说明具体评价指标。
- 阅读关注点
- 应核对删失机制所用的信息、权重构造与稳定性，以及一致性的完整条件，并确认独立删失下“改进”的衡量标准。
- 阅读边界
- 仅依据所给 Crossref 摘要；删失模型、权重条件和改进幅度未说明，不能将其概括为任意依赖删失下均有效。
原文摘要
Summary Recurrent events models have had considerable attention recently. The majority of approaches show the consistency of parameter estimates under the assumption that censoring is independent of the recurrent events process of interest conditional on the covariates that are included in the model. We provide an overview of available recurrent events analysis methods and present an inverse probability of censoring weighted estimator for the regression parameters in the Andersen–Gill model that is commonly used for recurrent event analysis. This estimator remains consistent under informative censoring if the censoring mechanism is estimated consistently, and it generally improves on the naïve estimator for the Andersen–Gill model in the case of independent censoring. We illustrate the bias of ad hoc estimators in the presence of informative censoring with a simulation study and provide a data analysis of recurrent lung exacerbations in cystic fibrosis patients when some patients are lost to follow-up.