On semiparametric modelling, estimation and inference for survival data subject to dependent censoring
依赖删失生存数据的半参数建模、估计与推断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：摘要研究生存分析与依赖删失，未明确对应所列计量领域细分。
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
依赖删失生存数据的半参数建模、估计与推断
- 研究问题
- 当生存时间与删失时间在给定协变量后仍相关时，如何构造可识别的半参数模型，并估计协变量作用和依赖程度？
- 方法与思路
- 作者通过非参数单调变换建立二元线性模型，以允许误差相关的二元正态分布刻画生存时间与删失时间。
- 材料陈述的贡献
- 摘要称模型可识别，所提参数及变换估计量一致且渐近正态，并以模拟比较和 AIDS 临床试验数据展示方法。
- 阅读关注点
- 应核对单调变换的限制与归一化、可识别性条件、误差相关参数的估计，以及正态设定偏离时的表现。
- 阅读边界
- 仅据所给 Crossref 版本摘要，允许依赖删失仍依赖变换和正态模型结构，不能推断任意依赖删失机制下均可识别。
原文摘要
Summary When modelling survival data, it is common to assume that the survival time $T$ is conditionally independent of the censoring time $C$ given a set of covariates. However, there are numerous situations in which this assumption is not realistic. The goal of this paper is therefore to develop a semiparametric normal transformation model which assumes that, after a proper nonparametric monotone transformation, the vector $(T, C)$ follows a linear model, and the vector of errors in this bivariate linear model follows a standard bivariate normal distribution with a possibly nondiagonal covariance matrix. We show that this semiparametric model is identifiable, and propose estimators of the nonparametric transformation, the regression coefficients and the correlation between the error terms. It is shown that the estimators of the model parameters and the transformation are consistent and asymptotically normal. We also assess the finite-sample performance of the proposed method by comparing it with an estimation method under a fully parametric model. Finally, our method is illustrated using data from the AIDS Clinical Trial Group 175 study.