Statistical methods for analyzing right-censored length-biased data under cox model.
Statistical methods for analyzing right-censored length-biased data under cox model.
复制标题
DOI：
10.1111/j.1541-0420.2009.01287.x
复制
发表时间：
2010-06
期刊：
影响因子：
1.9
通讯作者：
Shen Y
中科院分区：
文献类型：
--
作者：
Qin J;Shen Y
从流行病学队列研究或癌症预防试验到劳动经济研究，时间偏倚的事件发生时间数据经常会遇到。一个长期存在的统计问题是如何评估风险因素与目标人群生存的关联，给出了观察到的长度偏倚数据。在本文中，我们演示了如何估计这些影响下的半参数考克斯比例风险模型。一般情况下，长度有偏抽样会改变考克斯模型的结构。虽然现有的偏似然方法左截断数据可以用来估计协变量的影响，它可能不是有效的分析长度偏置数据。本文提出了两种估计考克斯模型协变量系数的估计方程方法。我们利用现代随机过程和鞅理论来研究估计量的渐近性质。我们通过广泛的模拟研究评估了这两种方法的经验性能和效率。我们使用来自痴呆症研究的数据来说明所提出的方法，并演示了点估计的计算算法，这些算法可以直接与S-PLUS或R中的现有函数相关联。
Length-biased time-to-event data are commonly encountered in applications ranging from epidemiologic cohort studies or cancer prevention trials to studies of labor economy. A longstanding statistical problem is how to assess the association of risk factors with survival in the target population given the observed length-biased data. In this paper, we demonstrate how to estimate these effects under the semiparametric Cox proportional hazards model. The structure of the Cox model is changed under length-biased sampling in general. Although the existing partial likelihood approach for left-truncated data can be used to estimate covariate effects, it may not be efficient for analyzing length-biased data. We propose two estimating equation approaches for estimating the covariate coefficients under the Cox model. We use the modern stochastic process and martingale theory to develop the asymptotic properties of the estimators. We evaluate the empirical performance and efficiency of the two methods through extensive simulation studies. We use data from a dementia study to illustrate the proposed methodology, and demonstrate the computational algorithms for point estimates, which can be directly linked to the existing functions in S-PLUS or R.
登录
查看更多内容
影响因子：
1.9
作者：
WANG, MC;BROOKMEYER, R;JEWELL, NP
通讯作者：
JEWELL, NP
影响因子：
2.7
作者：
LAGAKOS, SW;BARRAJ, LM;DEGRUTTOLA, V
通讯作者：
DEGRUTTOLA, V
影响因子：
2
作者：
Asgharian, Masoud;Wolfson, David B.;Zhang, Xun
通讯作者：
Zhang, Xun
影响因子：
1.5
作者：
de Uña-Alvarez, J;Otero-Giráldez, MS;Alvarez-Llorente, G
通讯作者：
Alvarez-Llorente, G
影响因子：
4.5
作者：
Asgharian, M;Wolfson, DB
通讯作者：
Wolfson, DB