• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Analysis of accelerated failure time data with dependent censoring using auxiliary variables via nonparametric multiple imputation
【2h】

Analysis of accelerated failure time data with dependent censoring using auxiliary variables via nonparametric multiple imputation

机译：通过非参数多重插补使用辅助变量对带相关检查的加速故障时间数据进行分析

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We consider the situation of estimating the marginal survival distribution from censored data subject to dependent censoring using auxiliary variables. We had previously developed a nonparametric multiple imputation approach. The method used two working proportional hazards (PH) models, one for the event times and the other for the censoring times, to define a nearest neighbor imputing risk set. This risk set was then used to impute failure times for censored observations. Here, we adapt the method to the situation where the event and censoring times follow accelerated failure time models and propose to use the Buckley–James estimator as the two working models. Besides studying the performances of the proposed method, we also compare the proposed method with two popular methods for handling dependent censoring through the use of auxiliary variables, inverse probability of censoring weighted and parametric multiple imputation methods, to shed light on the use of them. In a simulation study with time-independent auxiliary variables, we show that all approaches can reduce bias due to dependent censoring. The proposed method is robust to misspecification of either one of the two working models and their link function. This indicates that a working proportional hazards model is preferred because it is more cumbersome to fit an accelerated failure time model. In contrast, the inverse probability of censoring weighted method is not robust to misspecification of the link function of the censoring time model. The parametric imputation methods rely on the specification of the event time model. The approaches are applied to a prostate cancer dataset.
机译：我们考虑一种情况，即使用辅助变量从受审查的受审查数据中估计受审查数据的边际生存分布。我们之前已经开发了一种非参数多重插补方法。该方法使用两个工作比例风险（PH）模型（一个用于事件时间，另一个用于检查时间）来定义最近邻估算风险集。然后，使用该风险集来估算检查结果的失效时间。在这里，我们将方法调整为适应事件和检查时间遵循加速失败时间模型的情况，并建议使用Buckley-James估计器作为两个工作模型。除了研究所提出方法的性能外，我们还将所提出的方法与两种常用的通过使用辅助变量来处理依存审查的方法（审查加权的逆概率和参数多重插补方法）进行比较，以阐明它们的使用。在与时间无关的辅助变量的模拟研究中，我们表明，所有方法都可以减少因相关检查而引起的偏差。所提出的方法对于两个工作模型之一及其链接功能的错误指定具有鲁棒性。这表明工作比例风险模型是首选的，因为拟合加速故障时间模型比较麻烦。相反，审查加权方法的逆概率对审查时间模型的链接函数的错误指定不具有鲁棒性。参数插补方法依赖于事件时间模型的规范。该方法被应用于前列腺癌数据集。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号