Semiparametric Relative-Risk Regression for Infectious Disease Transmission Data
传染病传播数据的半参数相对风险回归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：摘要聚焦传染病配对风险与生存回归，未明确建立所列经济网络、干扰或因果推断框架。
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
传染病传播数据的半参数相对风险回归
- 研究问题
- 如何以存在传播风险的个体配对为分析单位，估计感染者特征、易感者特征和配对特征与传染接触风险的关系？
- 方法与思路
- 作者将传染接触风险分解为基准风险与相对风险函数；传播来源已知时构造剖面似然，未知时用 EM 算法。
- 材料陈述的贡献
- 摘要称该方法把半参数相对风险回归扩展到传染病传播数据，并分别处理传播来源可观测和不可观测的情形。
- 阅读关注点
- 应核对风险配对和观察窗口如何定义、传播来源未知时如何整合可能路径，以及剖面似然与 Cox 部分似然的差异。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；传播过程假设、删失处理和参数可识别条件未说明，不能推断刊本变化。
原文摘要
This article introduces semiparametric relative-risk regression models for infectious disease data. The units of analysis in these models are pairs of individuals at risk of transmission. The hazard of infectious contact from i to j consists of a baseline hazard multiplied by a relative risk function that can be a function of infectiousness covariates for i, susceptibliity covariates for j, and pairwise covariates. When who-infects-whom is observed, we derive a profile likelihood maximized over all possible baseline hazard functions that is similar to the Cox partial likelihood. When who-infects-whom is not observed, we derive an EM algorithm to maximize the profile likelihood integrated over all possible combinations of who-infected-whom. This extends the most important class of regression models in survival analysis to infectious disease epidemiology. These methods can be implemented in standard statistical software, and they will be able to address important scientific questions about emerging infectious diseases with greater clarity, flexibility, and rigor than current statistical methods allow. Supplementary materials for this article are available online.