Asymptotic Distribution Theory and Efficiency Results for Case-Cohort Studies
病例队列研究的渐近分布理论与效率结果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：摘要研究流行病学病例队列抽样和失效过程推断，未明确涉及所列面板、因果推断或其他细分方向。
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…
关注这篇论文的作者
病例队列研究的渐近分布理论与效率结果
- 研究问题
- 仅收集发病者及随机子队列的协变量时，相对风险和累计失效率估计具有怎样的渐近分布，相对完整队列损失多少效率？
- 方法与思路
- 作者运用鞅收敛与有限总体收敛结果，分析病例队列伪似然估计及对应累计失效率估计，并推导相对完整队列的效率表达式。
- 材料陈述的贡献
- 摘要称，论文给出两类估计量的渐近分布理论，并针对大型疾病预防试验设计相关情形列示部分渐近相对效率结果。
- 阅读关注点
- 应核对子队列抽样机制、伪似然构造、两类估计量的方差计算，以及效率比较中抽样比例和疾病发生频率的作用。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；抽样和失效过程条件、效率表数值及成本节约程度均未说明，不能推断刊本变化。
原文摘要
A case-cohort design was recently proposed [Prentice (1986)] as a means of reducing cost in large epidemiologic cohort studies. A "pseudolikelihood" procedure was described for relative risk regression parameter estimation. This procedure involves covariate data only on subjects who develop disease and on a random subset of the entire cohort. In contrast, the usual partial likelihood estimation procedure requires covariate histories on the entire cohort. Accordingly, a case-cohort design may affect cost saving, particularly with large cohorts and infrequent disease occurrence. Asymptotic distribution theory for such pseudolikelihood estimators, along with that for corresponding cumulative failure rate estimators, are presented here. Certain asymptotic efficiency expressions relative to full-cohort estimators are developed and tabulated in situations of relevance to the design of large-scale disease prevention trials. The theoretical developments make use of martingale convergence results and finite population convergence results.