Weighted estimating equations for additive hazards models with missing covariates
Weighted estimating equations for additive hazards models with missing covariates
复制标题
缺少协变量的加性危险模型的加权估计方程
DOI：
10.1007/s10463-018-0648-y
复制
发表时间：
2019
影响因子：
1
通讯作者：
Zhao, Yichuan
中科院分区：
文献类型：
--
作者：
Qi, Lihong;Zhang, Xu;Sun, Yanqing;Wang, Lu;Zhao, Yichuan
本文给出了协变量随机缺失时可加风险模型的简单加权估计和完全增广加权估计。加性危害模型估计危害的差异，并具有直观的生物学解释。所提出的加权估计的可加性风险模型使用不完全数据非参数和封闭形式的表达式。我们证明了它们是相容的和渐近正态的，并且比只使用完全数据的简单加权估计更有效。我们通过模拟研究和应用程序来说明他们的有限样本性能，以研究从轻度认知障碍到痴呆症的进展，使用阿尔茨海默病神经影像学倡议的数据，以及应用到小鼠白血病研究。
This paper presents simple weighted and fully augmented weighted estimators for the additive hazards model with missing covariates when they are missing at random. The additive hazards model estimates the difference in hazards and has an intuitive biological interpretation. The proposed weighted estimators for the additive hazards model use incomplete data nonparametrically and have close-form expressions. We show that they are consistent and asymptotically normal, and are more efficient than the simple weighted estimator which only uses the complete data. We illustrate their finite-sample performance through simulation studies and an application to study the progression from mild cognitive impairment to dementia using data from the Alzheimer’s Disease Neuroimaging Initiative as well as an application to the mouse leukemia study.
癌症研究统计方法，卷。
DOI：
--
发表时间：
1990
期刊：
影响因子：
--
作者：
D. Machin;N. Breslow;N. Day
通讯作者：
N. Day
DOI：
10.5282/ubm/epub.5732
发表时间：
2008-08
期刊：
--
影响因子：
--
作者：
Susanne Konrath;T. Kneib;L. Fahrmeir
通讯作者：
Susanne Konrath;T. Kneib;L. Fahrmeir
DOI：
--
发表时间：
1972
期刊：
--
影响因子：
--
作者：
D. Cox
通讯作者：
D. Cox