Estimating time-varying effects for overdispersed recurrent events data with treatment switching
治疗转换下过度离散复发事件的时变效应估计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：摘要直接研究复发事件与时变脆弱性模型，但未明确建立因果识别框架或涉及所列其他细分方向。
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…
治疗转换下过度离散复发事件的时变效应估计
- 研究问题
- 当复发事件存在过度离散、治疗可能发生转换且回归效应随时间变化时，如何描述并估计这些动态治疗效应？
- 方法与思路
- 作者构造半参数脆弱性模型，将治疗转换时间纳入时变系数，并推导用于最大似然估计的期望最大化算法。
- 材料陈述的贡献
- 摘要称建立模型的理论性质，评估不同时间效应曲线下的数值表现，并以多发性硬化症数据展示方法的应用。
- 阅读关注点
- 应核对脆弱性分布、治疗转换机制和时变系数的设定，以及转换后的效应能否获得因果解释及其所需条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体理论性质与治疗转换的识别条件未说明，临床试验背景本身不足以确定因果解释。
原文摘要
In the analysis of multivariate event times, frailty models assuming time-independent regression coefficients are often considered, mainly due to their mathematical convenience. In practice, regression coefficients are often time dependent and the temporal effects are of clinical interest. Motivated by a phase III clinical trial in multiple sclerosis, we develop a semiparametric frailty modelling approach to estimate time-varying effects for overdispersed recurrent events data with treatment switching. The proposed model incorporates the treatment switching time in the time-varying coefficients. Theoretical properties of the proposed model are established and an efficient expectation-maximization algorithm is derived to obtain the maximum likelihood estimates. Simulation studies evaluate the numerical performance of the proposed model under various temporal treatment effect curves. The ideas in this paper can also be used for time-varying coefficient frailty models without treatment switching as well as for alternative models when the proportional hazard assumption is violated. A multiple sclerosis dataset is analysed to illustrate our methodology.