Additive hazards regression for case-cohort studies
病例队列研究的加性风险回归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：摘要研究病例队列抽样下的生存回归，未给出因果识别或其他所列细分领域的充分证据。
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
病例队列研究的加性风险回归
- 研究问题
- 在仅为病例和随机子队列测量协变量的病例队列设计中，如何估计加性风险回归参数，并比较不同抽样方案的效率？
- 方法与思路
- 作者针对加性风险模型构造病例队列估计量，允许独立伯努利抽样或分层简单随机抽样，并进行理论、模拟与实例分析。
- 材料陈述的贡献
- 摘要称，所提估计量具有一致性和渐近正态性，方差易于估计；作者还从解析与模拟两方面考察不同抽样方案的效率。
- 阅读关注点
- 应核对抽样概率的使用方式、删失与风险模型条件、方差估计方法，以及分层抽样和伯努利抽样的效率比较标准。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；具体正则条件、效率差异与实例结果未提供，风险回归系数的因果解释也未建立。
原文摘要
The case-cohort design is a common means of reducing cost in large epidemiological cohort studies. Under this design, covariates are measured only on the cases and a subcohort randomly selected from the entire cohort. In this paper, we demonstrate how to use the case-cohort data to estimate the regression parameter of the additive hazards model, which specifies that the conditional hazard function given a set of covariates is the sum of an arbitrary baseline hazard function and a regression function of the covariates. The proposed estimator is shown to be consistent and asymptotically normal with an easily estimated variance. The subcohort may be selected by independent Bernoulli sampling with arbitrary selection probabilities or by stratified simple random sampling. The efficiencies of various sampling schemes are investigated both analytically and by simulation. A real example is provided.