A weighted combination of pseudo-likelihood estimators for longitudinal binary data subject to non-ignorable non-monotone missingness.
A weighted combination of pseudo-likelihood estimators for longitudinal binary data subject to non-ignorable non-monotone missingness.
复制标题
DOI：
10.1002/sim.3867
复制
发表时间：
2010-06-30
影响因子：
2
通讯作者：
Molenberghs, Geert
中科院分区：
文献类型：
--
作者：
Troxel, Andrea B.;Lipsitz, Stuart R.;Fitzmaurice, Garrett M.;Ibrahim, Joseph G.;Sinha, Debajyoti;Molenberghs, Geert
对于随时间推移具有非单调非可重复缺失结果的纵向二进制数据，全似然方法在代数上是复杂的，并且具有许多随访时间，最大似然估计可能在计算上是禁止的。作为替代方案，已经提出了两种伪似然方法，使用最小参数假设。一个公式需要在每个时间点指定结果的边际分布和缺失数据机制，但使用“独立工作假设”，即，假设观察结果在时间上是独立的。另一种方法通过公式化“保护性估计器”来避免必须估计缺失数据机制。在模拟中，这两个估计器可能非常低效，无论是在第一种情况下估计时间趋势，还是在第二种情况下估计时变和时间平稳效应。在本文中，我们建议使用这两个估计的最佳加权组合，并在模拟中，我们表明，最佳加权组合可以比单独估计更有效。最后，所提出的方法是用来分析数据从两个纵向的HIV感染者的临床试验。
For longitudinal binary data with non-monotone non-ignorably missing outcomes over time, a full likelihood approach is complicated algebraically, and with many follow-up times, maximum likelihood estimation can be computationally prohibitive. As alternatives, two pseudo-likelihood approaches have been proposed that use minimal parametric assumptions. One formulation requires specification of the marginal distributions of the outcome and missing data mechanism at each time point, but uses an “independence working assumption,” i.e., an assumption that observations are independent over time. Another method avoids having to estimate the missing data mechanism by formulating a “protective estimator.” In simulations, these two estimators can be very inefficient, both for estimating time trends in the first case and for estimating both time-varying and time-stationary effects in the second. In this paper, we propose use of the optimal weighted combination of these two estimators, and in simulations we show that the optimal weighted combination can be much more efficient than either estimator alone. Finally, the proposed method is used to analyze data from two longitudinal clinical trials of HIV-infected patients.
登录
查看更多内容
影响因子：
1.9
作者：
BAKER, SG
通讯作者：
BAKER, SG
影响因子：
4.5
作者：
GONG, G;SAMANIEGO, FJ
通讯作者：
SAMANIEGO, FJ
影响因子：
3.7
作者：
Scharfstein, DO;Rotnitzky, A;Robins, JM
通讯作者：
Robins, JM
影响因子：
1.9
作者：
Heagerty, PJ
通讯作者：
Heagerty, PJ
影响因子：
3.7
作者：
NORDHEIM, EV
通讯作者：
NORDHEIM, EV