Iterated Residuals and Time-Varying Covariate Effects in Cox Regression
Cox 回归中的迭代残差与时变协变量效应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：摘要研究生存回归的时变系数，不能仅因出现时间变化或治疗效应就归入宏观结构变化或因果推断。
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
Cox 回归中的迭代残差与时变协变量效应
- 研究问题
- 当 Cox 比例风险模型的恒定风险比假设不成立时，如何通过残差迭代估计随时间变化的协变量系数，并指导应用中的残差分析？
- 方法与思路
- 作者先拟合常系数 Cox 模型，将平滑残差加到初始估计上，再据更新拟合重算残差并迭代，配合试验数据和模拟展示。
- 材料陈述的贡献
- 摘要称，迭代可实现非参数时变系数的一致估计，并形成清晰的残差分析指导，应用于骨髓瘤试验数据。
- 阅读关注点
- 应核对残差定义、平滑与迭代规则，以及一致性所需条件，并区分模型诊断、系数估计和不确定性评估。
- 阅读边界
- 仅据所给 Crossref 摘要；删失条件、迭代停止准则及推断方法未说明，试验数据示例不能替代效应识别条件。
原文摘要
Summary The Cox proportional hazards model, which is widely used for the analysis of treatment and prognostic effects with censored survival data, makes the assumption that the hazard ratio is constant over time. Nonparametric estimators have been developed for an extended model in which the hazard ratio is allowed to change over time. Estimators based on residuals are appealing as they are easy to use and relate in a simple way to the more restricted Cox model estimator. After fitting a Cox model and calculating the residuals, one can obtain a crude estimate of the time-varying coefficients by adding a smooth of the residuals to the initial (constant) estimate. Treating the crude estimate as the fit, one can re-estimate the residuals. Iteration leads to consistent estimation of the nonparametric time-varying coefficients. This approach leads to clear guidelines for residual analysis in applications. The results are illustrated by an analysis of the Medical Research Council’s myeloma trials, and by simulation.