Estimating marginal survival function by adjusting for dependent censoring using many covariates
利用多协变量调整依赖删失的边际生存函数估计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：摘要属于生存分析中的依赖删失与双重稳健估计，未明确研究因果效应或其他所列细分问题。
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
利用多协变量调整依赖删失的边际生存函数估计
- 研究问题
- 在右删失与生存时间存在依赖、且需要许多辅助协变量解释这种依赖时，如何避免高维条件建模并估计边际生存函数？
- 方法与思路
- 作者使用两个工作模型压缩高维协变量，再在所得低维空间中进行非参数估计，以调整协变量能够解释的依赖删失。
- 材料陈述的贡献
- 摘要称，任一工作模型正确时估计量一致且渐近高斯；两者均正确时，渐近方差达到效率界，形成双重稳健性质。
- 阅读关注点
- 应核对两个工作模型的具体定义、协变量解释删失依赖的条件、降维后估计步骤，以及双重稳健和效率结论的适用条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；工作模型形式、删失机制条件及效率界细节未说明，不能据此判断实际数据中的有效性。
原文摘要
One goal in survival analysis of right-censored data is to estimate the marginal survival function in the presence of dependent censoring. When many auxiliary covariates are sufficient to explain the dependent censoring, estimation based on either a semiparametric model or a nonparametric model of the conditional survival function can be problematic due to the high dimensionality of the auxiliary information. In this paper, we use two working models to condense these high-dimensional covariates in dimension reduction; then an estimate of the marginal survival function can be derived nonparametrically in a low-dimensional space. We show that such an estimator has the following double robust property: when either working model is correct, the estimator is consistent and asymptotically Gaussian; when both working models are correct, the asymptotic variance attains the efficiency bound.