Analizando datos de eventos de recurrencia con intervalos censurados ajustando los tiempos de observación informativos mediante puntajes de propensión
Autores: Li, Ni; Lin, Meiting; Shang, Yakun
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Analizando datos de eventos de recurrencia con intervalos censurados ajustando los tiempos de observación informativos mediante puntajes de propensión
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Inferencia estadística
Intervalo censurado
Datos de eventos de recurrencia
Modelo de media semiparamétrica aditiva
Puntaje de propensión
Efectos de covariables
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
En este artículo, discutimos la inferencia estadística de datos de eventos de recurrencia con censura por intervalos bajo un proceso de observación informativo. Establecemos un modelo de media semiparamétrico aditivo para el proceso de eventos de recurrencia. Dado que el proceso de observación puede contener información relevante sobre posibles procesos de eventos de recurrencia subyacentes, lo que conduce a un sesgo de confusión, por lo tanto, introdujimos un puntaje de propensión en el modelo de media semiparamétrico aditivo para ajustar el sesgo de confusión, que posiblemente exista. Además, se utilizaron ecuaciones de estimación para estimar los parámetros de los efectos de las covariables, y se demostró la normalidad asintótica del estimador bajo muestras grandes. A través de estudios de simulación, ilustramos que el método propuesto funciona bien, y se aplicó al análisis de datos de cáncer de vejiga.
Descripción
En este artículo, discutimos la inferencia estadística de datos de eventos de recurrencia con censura por intervalos bajo un proceso de observación informativo. Establecemos un modelo de media semiparamétrico aditivo para el proceso de eventos de recurrencia. Dado que el proceso de observación puede contener información relevante sobre posibles procesos de eventos de recurrencia subyacentes, lo que conduce a un sesgo de confusión, por lo tanto, introdujimos un puntaje de propensión en el modelo de media semiparamétrico aditivo para ajustar el sesgo de confusión, que posiblemente exista. Además, se utilizaron ecuaciones de estimación para estimar los parámetros de los efectos de las covariables, y se demostró la normalidad asintótica del estimador bajo muestras grandes. A través de estudios de simulación, ilustramos que el método propuesto funciona bien, y se aplicó al análisis de datos de cáncer de vejiga.