Survival analysis without survival data: connecting length-biased and case-control data.
Survival analysis without survival data: connecting length-biased and case-control data.
复制标题
DOI：
10.1093/biomet/ast008
复制
发表时间：
2013
期刊：
影响因子：
2.7
通讯作者：
Chan KC
中科院分区：
文献类型：
--
作者：
Chan KC
我们表明，相对平均生存参数的半参数对数线性模型可以估计使用协变量数据从事件样本和流行的样本，即使没有前瞻性的后续收集任何生存数据。估计是基于两个样本的协变量的诱导半参数密度比模型，它与病例对照数据的逻辑回归模型具有相同的结构。似然推断与病例对照数据的成熟方法一致。我们展示了两个进一步相关的结果。首先，估计生存模型中的相互作用参数，可以使用协变量的信息，仅从一个流行的样本，类似于一个案例的分析。此外，生存率的倾向评分和条件暴露效应参数可以仅使用从事件和流行样本收集的协变量数据进行估计。
We show that relative mean survival parameters of a semiparametric log-linear model can be estimated using covariate data from an incident sample and a prevalent sample, even when there is no prospective follow-up to collect any survival data. Estimation is based on an induced semiparametric density ratio model for covariates from the two samples, and it shares the same structure as for a logistic regression model for case-control data. Likelihood inference coincides with well-established methods for case-control data. We show two further related results. First, estimation of interaction parameters in a survival model can be performed using covariate information only from a prevalent sample, analogous to a case-only analysis. Furthermore, propensity score and conditional exposure effect parameters on survival can be estimated using only covariate data collected from incident and prevalent samples.
登录
查看更多内容
影响因子：
1.9
作者：
Qin J;Shen Y
通讯作者：
Shen Y
影响因子：
2
作者：
PIEGORSCH, WW;WEINBERG, CR;TAYLOR, JA
通讯作者：
TAYLOR, JA
影响因子：
1.9
作者：
WANG, MC;BROOKMEYER, R;JEWELL, NP
通讯作者：
JEWELL, NP
影响因子：
1.9
作者：
Cheng, Yu-Jen;Wang, Mei-Cheng
通讯作者：
Wang, Mei-Cheng
影响因子：
3.7
作者：
ROSENBAUM, PR;RUBIN, DB
通讯作者：
RUBIN, DB