A maximum pseudo-profile likelihood estimator for the Cox model under length-biased sampling
长度偏倚抽样下 Cox 模型的最大伪剖面似然估计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：摘要聚焦长度偏倚与右删失下的生存模型，所列细分中没有直接对应且证据充分的方向。
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
长度偏倚抽样下 Cox 模型的最大伪剖面似然估计
- 研究问题
- 现患抽样产生长度偏倚且生存时间存在右删失时，如何估计 Cox 比例风险模型，并处理时变协变量与协变量相关删失？
- 方法与思路
- 作者利用长度偏倚抽样的特殊结构构造最大伪剖面似然估计量，针对右删失数据进行半参数估计，并允许时变协变量。
- 材料陈述的贡献
- 摘要称估计量在协变量相关删失下具有一致性，模拟中比所比较方法更有效率，并用数据分析展示方法与理论。
- 阅读关注点
- 核对现患抽样与删失机制的具体条件、伪剖面似然的构造，以及时变协变量的处理和效率比较使用的基准方法。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；一致性条件、比较方法与效率数值未说明，不能据此断言普遍效率优势。
原文摘要
This paper considers semiparametric estimation of the Cox proportional hazards model for right-censored and length-biased data arising from prevalent sampling. To exploit the special structure of length-biased sampling, we propose a maximum pseudo-profile likelihood estimator, which can handle time-dependent covariates and is consistent under covariate-dependent censoring. Simulation studies show that the proposed estimator is more efficient than its competitors. A data analysis illustrates the methods and theory.