Using Cox regression to develop linear rank tests with zero-inflated clustered data.
Using Cox regression to develop linear rank tests with zero-inflated clustered data.
复制标题
DOI：
10.1111/rssc.12396
复制
发表时间：
2020-04
期刊：
影响因子：
--
通讯作者：
Trinh QD
中科院分区：
文献类型：
--
作者：
Lipsitz SR;Fitzmaurice GM;Sinha D;Cole AP;Meyer CP;Trinh QD
零膨胀数据出现在许多研究领域。当比较两组独立受试者之间的零膨胀数据时，开发了两个自由度检验，这是针对组与二分结局（0，> 0）的2×2表的1个自由度Pearson卡方检验和针对结局> 0的值的1个自由度Wilcoxon秩和检验的总和。在这里，我们将这个2自由度测试扩展到聚类数据设置。我们首先提出使用估计方程得分统计量从一个随时间变化的加权考克斯回归模型下天真的独立性，一个强大的三明治方差估计，以考虑聚类。由于我们提出的检验统计量可以放在一个考克斯模型的框架，以获得效率比天真的独立性，我们应用广义估计方程（GEE）考克斯模型与非独立的“工作相关性”之间的观察在一个集群。所提出的方法被应用到一个综合社会调查研究的天在一个月内的心理健康问题，其中52.3%的受试者报告说，他们没有天的问题，一个零膨胀的结果。模拟研究是用来比较我们提出的检验统计量，以前提出的零膨胀检验统计量。
Zero-inflated data arise in many fields of study. When comparing zero-inflated data between two groups with independent subjects, a two degree-of-freedom test has been developed, which is the sum of a 1 degree-of-freedom Pearson chi-square test for the 2×2 table of group vs dichotomized outcome (0,> 0) and a 1 degree-of-freedom Wilcoxon rank-sum test for the values of the outcome > 0. Here, we extend this 2 degree-of-freedom test to clustered data settings. We first propose using an estimating equations score statistic from a time-varying weighted Cox regression model under naive independence, with a robust sandwich variance estimator to account for clustering. Since our proposed test statistics can be put in the framework of a Cox model, to gain efficiency over naive independence, we apply a generalized estimating equations (GEE) Cox model with a non-independence ‘working correlation’ between observations in a cluster. The proposed methods are applied to a General Social Survey study of days with mental health problems in a month, in which 52.3% of subjects report they have no days with problems, a zero-inflated outcome. A simulation study is used to compare our proposed test statistics to previously proposed zero-inflated test statistics.
登录
查看更多内容
影响因子：
1
作者：
Kassahun, Wondwosen;Neyens, Thomas;Verbeke, Geert
通讯作者：
Verbeke, Geert
影响因子：
1
作者：
Neelon BH;O'Malley AJ;Normand SL
通讯作者：
Normand SL
影响因子：
2.7
作者：
PRENTICE, RL
通讯作者：
PRENTICE, RL
影响因子：
2.7
作者：
BINDER, DA
通讯作者：
BINDER, DA
影响因子：
3.7
作者：
Roeder, K;Lynch, KG;Nagin, DS
通讯作者：
Nagin, DS