Nonparametric estimation of a Markov ‘illness-death’ process from interval-censored observations, with application to diabetes survival data
区间删失观测下马尔可夫疾病—死亡过程的非参数估计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：摘要聚焦多状态生存过程与删失估计，没有因果效应或其他所列经济计量方向的明确证据。
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
区间删失观测下马尔可夫疾病—死亡过程的非参数估计
- 研究问题
- 疾病发生时间被区间删失、死亡时间精确或右删失且可能存在左截断时，如何估计三状态疾病—死亡过程的累计转移强度？
- 方法与思路
- 作者在时间非齐次、不可逆转移的马尔可夫模型中，从相应子分布函数的估计导出部分转移强度的最大似然估计。
- 材料陈述的贡献
- 摘要称，所得最大似然估计具有自洽性质，并据此开发计算算法；方法扩展已有结果，且以糖尿病生存数据示例。
- 阅读关注点
- 应核对检查与删失机制、左截断处理、哪些转移强度可由子分布估计恢复，以及自洽算法的收敛与解的性质。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；结论限于所述马尔可夫及观察方案，摘要未提供识别条件、渐近性质和应用数值。
原文摘要
The nonparametric estimation of the cumulative transition intensity functions in a threestate time-nonhomogeneous Markov process with irreversible transitions, an ‘illness-death’ model, is considered when times of the intermediate transition, e.g. onset of a disease, are interval-censored. The times of ‘death’ are assumed to be known exactly or to be right-censored. In addition the observed process may be left-truncated. Data of this type arise when the process is sampled periodically. For example, when the patients are monitored through periodic examinations the observations on times of change in their disease status will be interval-censored. Under the sampling scheme considered here the Nelson–Aalen estimator (Aalen, 1978) for a cumulative transition intensity is not applicable. In the proposed method the maximum likelihood estimators of some of the transition intensities are derived from the estimators of the corresponding subdistribution functions. The maximum likelihood estimators are shown to have a self-consistency property. The self-consistency algorithm is developed for the computation of the estimators. This approach generalises the results from Turnbull (1976) and Frydman (1992). The methods are illustrated with diabetes survival data.