Missing covariates in competing risks analysis.
Missing covariates in competing risks analysis.
复制标题
缺少竞争风险分析的协变量。
DOI：
10.1093/biostatistics/kxw019
复制
发表时间：
2016-10
期刊：
影响因子：
--
通讯作者：
Taylor JM
中科院分区：
文献类型：
--
作者：
Bartlett JW;Taylor JM
研究经常跟踪个人，直到他们从许多竞争失败类型中失败。分析这种竞争风险数据的一种方法是将原因特异性危害建模为基线协变量的函数。在这种情况下出现的一个常见问题是协变量中的缺失值。在这种情况下，我们首先建立条件下，完整的案例分析（CCA）是有效的。然后，我们考虑应用多重插补来处理缺失的协变量值，并将最近提出的实质性模型兼容版本的完全条件规范（SMC-FCS）插补扩展到竞争风险设置。通过模拟和说明性的数据分析，我们比较CCA，SMC-FCS，和最近的建议，在竞争风险的设置插补缺失的协变量。
Studies often follow individuals until they fail from one of a number of competing failure types. One approach to analyzing such competing risks data involves modeling the cause-specific hazards as functions of baseline covariates. A common issue that arises in this context is missing values in covariates. In this setting, we first establish conditions under which complete case analysis (CCA) is valid. We then consider application of multiple imputation to handle missing covariate values, and extend the recently proposed substantive model compatible version of fully conditional specification (SMC-FCS) imputation to the competing risks setting. Through simulations and an illustrative data analysis, we compare CCA, SMC-FCS, and a recent proposal for imputing missing covariates in the competing risks setting.
登录
查看更多内容
当协变量为 MNAR 时，提高完整案例分析的效率。
DOI：
10.1093/biostatistics/kxu023
发表时间：
2014-10
期刊：
Biostatistics (Oxford, England)
影响因子：
--
作者：
Bartlett JW;Carpenter JR;Tilling K;Vansteelandt S
通讯作者：
Vansteelandt S
影响因子：
4
作者：
Hughes RA;White IR;Seaman SR;Carpenter JR;Tilling K;Sterne JA
通讯作者：
Sterne JA
影响因子：
2.3
作者：
Bartlett JW;Seaman SR;White IR;Carpenter JR;Alzheimer's Disease Neuroimaging Initiative*
通讯作者：
Alzheimer's Disease Neuroimaging Initiative*
影响因子：
1.9
作者：
Wang, CY;Chen, HY
通讯作者：
Chen, HY
影响因子：
1.9
作者：
PRENTICE, RL;KALBFLEISCH, JD;BRESLOW, NE
通讯作者：
BRESLOW, NE