Regression Analysis Based on Semicompeting Risks Data
半竞争风险数据的回归分析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：摘要聚焦生存回归与半竞争风险，未直接研究所列因果、分位数或金融风险方向。
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…
半竞争风险数据的回归分析
- 研究问题
- 当死亡等终末事件对疾病进展等非终末事件产生可能相关的删失时，如何进行回归分析并检验模型适配性？
- 方法与思路
- 作者针对离散协变量组分别设定 copula 依赖模型，再对进展时间建立灵活回归，提供模型检查，并用模拟与移植数据说明。
- 材料陈述的贡献
- 摘要称提出了回归及模型检查方法，允许组间分别设定依赖结构，并通过模拟比较有限样本表现与模型误设下的稳健性。
- 阅读关注点
- 阅读时应核对组别 copula 与进展时间模型的假设、依赖删失处理方式，以及模型检查和误设模拟如何组织。
- 阅读边界
- 仅据所给 Crossref 摘要；方法针对离散协变量，未报告比较结果，不能推断其普遍优于竞争方法或适用于连续协变量。
原文摘要
Summary Semicompeting risks data are commonly seen in biomedical applications in which a terminal event censors a non-terminal event. Possible dependent censoring complicates statistical analysis. We consider regression analysis based on a non-terminal event, say disease progression, which is subject to censoring by death. The methodology proposed is developed for discrete covariates under two types of assumption. First, separate copula models are assumed for each covariate group and then a flexible regression model is imposed on the progression time which is of major interest. Model checking procedures are also proposed to help to choose a best-fitted model. Under a two-sample setting, Lin and co-workers proposed a competing method which requires an additional marginal assumption on the terminal event and implicitly assumes that the dependence structures in the two groups are the same. Using simulations, we compare the two approaches on the basis of their finite sample performances and robustness properties under model misspecification. The method proposed is applied to a bone marrow transplant data set.