Functional Censored Quantile Regression
函数型删失分位数回归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：摘要明确提出删失分位数回归，直接对应分位数与分布效应中的分位数方法。
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…
函数型删失分位数回归
- 研究问题
- 如何在事件时间结果存在删失时，用分位数回归描述函数型协变量的时变关联，并选择拟合所需的样条复杂度？
- 方法与思路
- 作者用 B 样条逼近未指定形式的时变效应函数，提出最小化期望损失的广义近似交叉验证方法选择节点数量。
- 材料陈述的贡献
- 摘要称建立了估计与节点选择的渐近性质，并通过模拟和卒中患者血压轨迹应用，提供支持晨间血压骤升重要性的结果。
- 阅读关注点
- 应核对删失机制的要求、分位数目标与函数系数的定义、节点选择准则，以及血压轨迹关联能否支持所给医学解释。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；摘要未说明删失假设、渐近条件或临床效应数值，不能将关联解释为因果或推断刊本变化。
原文摘要
We propose a functional censored quantile regression model to describe the time-varying relationship between time-to-event outcomes and corresponding functional covariates. The time-varying effect is modeled as an unspecified function that is approximated via B-splines. A generalized approximate cross-validation method is developed to select the number of knots by minimizing the expected loss. We establish asymptotic properties of the method and the knot selection procedure. Furthermore, we conduct extensive simulation studies to evaluate the finite sample performance of our method. Finally, we analyze the functional relationship between ambulatory blood pressure trajectories and clinical outcome in stroke patients. The results reinforce the importance of the morning blood pressure surge phenomenon, whose effect has caught attention but remains controversial in the medical literature. Supplementary materials for this article are available online.