Joint Analysis of Longitudinal Data With Informative Observation Times and a Dependent Terminal Event
信息性观测时点与依赖终止事件下的纵向数据联合分析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：摘要关注医疗纵向过程与终止事件，未明确提供所列经济面板或其他细分方向的依据。
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…
信息性观测时点与依赖终止事件下的纵向数据联合分析
- 研究问题
- 当重复测量与观测时点相关，且死亡等依赖性终止事件停止随访时，如何联合建模并估计纵向数据模型参数？
- 方法与思路
- 作者用潜变量连接纵向测量、信息性观测时点与终止事件，发展估计方程方法，并提供图形和数值模型检查程序。
- 材料陈述的贡献
- 摘要称所得估计量具有一致性和渐近正态性，模拟展示实用情形下的表现，并应用于慢性心力衰竭患者医疗费用。
- 阅读关注点
- 应核对潜变量如何表达三类过程的依赖、估计方程的构造、渐近结论所需条件，以及模型检查能够发现哪些偏离。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；不能推断刊本变化。摘要未列出依赖结构、识别条件或模拟中的具体数值结果。
原文摘要
In many longitudinal studies, repeated measures are often correlated with observation times. Also, there may exist a dependent terminal event such as death that stops the follow-up. In this article, we propose a new joint model for the analysis of longitudinal data in the presence of both informative observation times and a dependent terminal event via latent variables. Estimating equation approaches are developed for parameter estimation, and the resulting estimators are shown to be consistent and asymptotically normal. In addition, some graphical and numerical procedures are presented for model checking. Simulation studies demonstrate that the proposed method performs well for practical settings. An application to a medical cost study of chronic heart failure patients from the University of Virginia Health System is provided.