Survival analysis without survival data: connecting length-biased and case-control data
没有生存数据的生存分析：连接长度偏倚与病例对照数据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：摘要涉及生存参数与暴露效应估计，但未明确给出因果识别框架，现有领域列表也未包含生存分析。
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
没有生存数据的生存分析：连接长度偏倚与病例对照数据
- 研究问题
- 没有前瞻随访及生存时间观测时，能否仅凭新发与现患样本的协变量，估计相对平均生存参数及相关暴露效应参数？
- 方法与思路
- 作者从半参数对数线性生存模型诱导两类样本协变量的密度比模型，其似然推断结构与病例对照逻辑回归相同。
- 材料陈述的贡献
- 摘要称可仅凭协变量估计相对平均生存参数；还给出现患样本交互参数估计，以及倾向得分和条件暴露效应参数估计结果。
- 阅读关注点
- 应核对新发和现患样本的抽样机制、生存模型与密度比的连接条件，以及可识别的是相对参数还是绝对生存水平。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；抽样条件和暴露效应的因果识别假设未说明，不能据此恢复完整生存分布或认定因果效应。
原文摘要
We show that relative mean survival parameters of a semiparametric log-linear model can be estimated using covariate data from an incident sample and a prevalent sample, even when there is no prospective follow-up to collect any survival data. Estimation is based on an induced semiparametric density ratio model for covariates from the two samples, and it shares the same structure as for a logistic regression model for case-control data. Likelihood inference coincides with well-established methods for case-control data. We show two further related results. First, estimation of interaction parameters in a survival model can be performed using covariate information only from a prevalent sample, analogous to a case-only analysis. Furthermore, propensity score and conditional exposure effect parameters on survival can be estimated using only covariate data collected from incident and prevalent samples.