Proportional Hazards Model with Covariate Measurement Error and Instrumental Variables.
Proportional Hazards Model with Covariate Measurement Error and Instrumental Variables.
复制标题
DOI：
10.1080/01621459.2014.896805
复制
发表时间：
2014-12-01
影响因子：
3.7
通讯作者：
Wang CY
中科院分区：
文献类型：
--
作者：
Song X;Wang CY
在生物医学研究中，生存数据中可能存在具有测量误差的协变量。现有的方法大多需要对误差污染的协变量进行某些重复，这可能在数据中不可用。在本文中，我们开发了一种简单的非参数校正方法，使用观察到工具变量的样本子集来估计比例风险模型中的回归参数。工具变量通过一般非参数模型与协变量相关，并且没有对误差和潜在真实协变量进行分布假设。我们进一步提出了一种新的广义矩方法的非参数校正估计，以提高效率比简单的校正方法。当校准子样本与整个样本相比很小时，效率增益可以是相当大的。估计是一致的和渐近正态的。通过模拟研究和应用程序的数据从艾滋病毒临床试验的估计性能进行评估。未讨论基线风险函数的估计。
In biomedical studies, covariates with measurement error may occur in survival data. Existing approaches mostly require certain replications on the error-contaminated covariates, which may not be available in the data. In this paper, we develop a simple nonparametric correction approach for estimation of the regression parameters in the proportional hazards model using a subset of the sample where instrumental variables are observed. The instrumental variables are related to the covariates through a general nonparametric model, and no distributional assumptions are placed on the error and the underlying true covariates. We further propose a novel generalized methods of moments nonparametric correction estimator to improve the efficiency over the simple correction approach. The efficiency gain can be substantial when the calibration subsample is small compared to the whole sample. The estimators are shown to be consistent and asymptotically normal. Performance of the estimators is evaluated via simulation studies and by an application to data from an HIV clinical trial. Estimation of the baseline hazard function is not addressed.
登录
查看更多内容
影响因子：
6.1
作者：
HANSEN, LP
通讯作者：
HANSEN, LP
影响因子：
158.5
作者：
Hammer, SM;Katzenstein, DA;Salgo, M
通讯作者：
Salgo, M
影响因子：
1
作者：
Hu, CC;Lin, DY
通讯作者：
Lin, DY
影响因子：
1.9
作者：
Liao X;Zucker DM;Li Y;Spiegelman D
通讯作者：
Spiegelman D
影响因子：
6.3
作者：
NEWEY, WK
通讯作者：
NEWEY, WK