Semiparametric Regression for the Mean and Rate Functions of Recurrent Events
重复事件均值函数与发生率函数的半参数回归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：摘要研究临床重复事件的计数过程回归，没有明确面板数据或经济时间序列设定，故不强行映射。
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…
重复事件均值函数与发生率函数的半参数回归
- 研究问题
- 如何在不要求泊松型计数过程的情况下，对重复事件的均值和发生率函数进行稳健推断，并检查模型拟合？
- 方法与思路
- 作者用经验过程理论论证既有半参数程序，构造均值函数同时置信带，并提出图形与数值模型检查方法。
- 材料陈述的贡献
- 摘要称给出稳健程序的严格理论依据、同时置信带与诊断方法，并通过模拟及慢性肉芽肿病感染数据展示。
- 阅读关注点
- 应核对取消泊松型假设后保留的模型条件、观察与删失机制，以及置信带和诊断程序的理论依据。
- 阅读边界
- 仅据所给 Crossref 摘要；稳健程序的具体条件与模拟结果未说明，不能将无需泊松型假设理解为无需模型假设。
原文摘要
Summary The counting process with the Cox-type intensity function has been commonly used to analyse recurrent event data. This model essentially assumes that the underlying counting process is a time-transformed Poisson process and that the covariates have multiplicative effects on the mean and rate function of the counting process. Recently, Pepe and Cai, and Lawless and co-workers have proposed semiparametric procedures for making inferences about the mean and rate function of the counting process without the Poisson-type assumption. In this paper, we provide a rigorous justification of such robust procedures through modern empirical process theory. Furthermore, we present an approach to constructing simultaneous confidence bands for the mean function and describe a class of graphical and numerical techniques for checking the adequacy of the fitted mean–rate model. The advantages of the robust procedures are demonstrated through simulation studies. An illustration with multiple-infection data taken from a clinical study on chronic granulomatous disease is also provided.