...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Lifetime Data Analysis >A parametric model fitting time to first event for overdispersed data: application to time to relapse in multiple sclerosis
【24h】

A parametric model fitting time to first event for overdispersed data: application to time to relapse in multiple sclerosis

机译：参数模型适合第一次事件的时间以用于分散数据：应用于多发性硬化症复发时间

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this article, we propose a parametric model for the distribution of time to first event when events are overdispersed and can be properly fitted by a Negative Binomial distribution. This is a very common situation in medical statistics, when the occurrence of events is summarized as a count for each patient and the simple Poisson model is not adequate to account for overdispersion of data. In this situation, studying the time of occurrence of the first event can be of interest. From the Negative Binomial distribution of counts, we derive a new parametric model for time to first event and apply it to fit the distribution of time to first relapse in multiple sclerosis (MS). We develop the regression model with methods for covariate estimation. We show that, as the Negative Binomial model properly fits relapse counts data, this new model matches quite perfectly the distribution of time to first relapse, as tested in two large datasets of MS patients. Finally we compare its performance, when fitting time to first relapse in MS, with other models widely used in survival analysis (the semiparametric Cox model and the parametric exponential, Weibull, log-logistic and log-normal models).
机译：在本文中，我们提出了一个参数模型，用于当事件过度分散并且可以通过负二项式分布正确拟合时，第一次事件的时间分布。这是医学统计中非常普遍的情况，事件的发生被总结为每个患者的计数，而简单的泊松模型不足以说明数据的过度分散。在这种情况下，研究第一个事件的发生时间可能会很有趣。从计数的负二项式分布中，我们得出了首次发病时间的新参数模型，并将其应用于多发性硬化症（MS）中首次复发时间的分布。我们使用协变量估计方法来开发回归模型。我们显示，由于负二项式模型正确拟合了复发计数数据，因此该新模型非常匹配首次复发时间的分布，这在两个大型MS患者数据集中进行了测试。最后，我们比较了在MS中首次复发所需的时间时，其性能与生存分析中广泛使用的其他模型（半参数Cox模型和参数指数模型，Weibull模型，对数逻辑模型和对数正态模型）进行了比较。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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