Generalizing Quantile Regression for Counting Processes With Applications to Recurrent Events
计数过程的广义分位数回归及其重复事件应用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：摘要明确将分位数回归扩展至计数过程并刻画协变量关联，直接支持分位数方法方向。
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…
计数过程的广义分位数回归及其重复事件应用
- 研究问题
- 如何把事件时间的分位数回归扩展至计数过程，特别是重复事件数据，并兼顾协变量效应解释、模型灵活性与不同观测方式？
- 方法与思路
- 作者提出计数过程回归模型，建立一般理论与推断框架，使其与已有删失分位数回归方法统一，并提出基于样本的协方差估计。
- 材料陈述的贡献
- 摘要称，新模型保留分位数回归的解释性与灵活性，可处理多种观测方案；样本协方差估计为常用 bootstrap 提供补充。
- 阅读关注点
- 应核对计数过程模型中的分位数含义、重复事件依赖与观测机制处理，以及协方差估计的条件和相对 bootstrap 的计算表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法确定允许哪些观测机制、理论条件或比较结果数值；未核验全文及刊本变化。
原文摘要
In survival analysis, quantile regression has become a useful approach to account for covariate effects on the distribution of an event time of interest. In this paper, we discuss how quantile regression can be extended to model counting processes, and thus lead to a broader regression framework for survival data. We specifically investigate the proposed modeling of counting processes for recurrent events data. We show that the new recurrent events model retains the desirable features of quantile regression such as easy interpretation and good model flexibility, while accommodating various observation schemes encountered in observational studies. We develop a general theoretical and inferential framework for the new counting process model, which unifies with an existing method for censored quantile regression. As another useful contribution of this work, we propose a sample-based covariance estimation procedure, which provides a useful complement to the prevailing bootstrapping approach. We demonstrate the utility of our proposals via simulation studies and an application to a dataset from the US Cystic Fibrosis Foundation Patient Registry (CFFPR).