Maximum likelihood estimation of semiparametric mixture component models for competing risks data

半参数回归 计量经济学 统计 混合模型 协变量 半参数模型 估计员 数学 似然函数 审查(临床试验) 边际模型 计算机科学 回归分析 估计理论
作者
Sangbum Choi,Xuelin Huang
出处
期刊:Biometrics [Oxford University Press]
卷期号:70 (3): 588-598 被引量:12
标识
DOI:10.1111/biom.12167
摘要

Summary In the analysis of competing risks data, the cumulative incidence function is a useful quantity to characterize the crude risk of failure from a specific event type. In this article, we consider an efficient semiparametric analysis of mixture component models on cumulative incidence functions. Under the proposed mixture model, latency survival regressions given the event type are performed through a class of semiparametric models that encompasses the proportional hazards model and the proportional odds model, allowing for time‐dependent covariates. The marginal proportions of the occurrences of cause‐specific events are assessed by a multinomial logistic model. Our mixture modeling approach is advantageous in that it makes a joint estimation of model parameters associated with all competing risks under consideration, satisfying the constraint that the cumulative probability of failing from any cause adds up to one given any covariates. We develop a novel maximum likelihood scheme based on semiparametric regression analysis that facilitates efficient and reliable estimation. Statistical inferences can be conveniently made from the inverse of the observed information matrix. We establish the consistency and asymptotic normality of the proposed estimators. We validate small sample properties with simulations and demonstrate the methodology with a data set from a study of follicular lymphoma.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
一朵云完成签到,获得积分10
1秒前
wztin完成签到,获得积分10
3秒前
小油条完成签到,获得积分10
3秒前
清秀成威完成签到,获得积分10
3秒前
科研通AI5应助Iuu采纳,获得30
4秒前
殷勤的汲发布了新的文献求助10
4秒前
4秒前
科研通AI5应助小鹿采纳,获得10
5秒前
6秒前
6秒前
科研通AI5应助淡然冬灵采纳,获得10
6秒前
ssh完成签到,获得积分20
7秒前
田様应助啦啦啦~采纳,获得10
7秒前
8秒前
song完成签到 ,获得积分20
8秒前
Jean完成签到,获得积分10
9秒前
9秒前
领导范儿应助echo采纳,获得10
9秒前
10秒前
北岛发布了新的文献求助10
11秒前
11秒前
11秒前
Hello应助elang采纳,获得30
11秒前
sissi完成签到,获得积分10
11秒前
小巧的成败完成签到 ,获得积分10
12秒前
NB完成签到,获得积分10
12秒前
gu123发布了新的文献求助10
13秒前
13秒前
科研小白完成签到,获得积分10
14秒前
14秒前
14秒前
零吾完成签到,获得积分10
15秒前
15秒前
ding应助萤火虫采纳,获得10
15秒前
15秒前
动漫大师发布了新的文献求助10
15秒前
16秒前
17秒前
标致夏真发布了新的文献求助30
17秒前
慕青应助淡然冬灵采纳,获得10
18秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
Ciprofol versus propofol for adult sedation in gastrointestinal endoscopic procedures: a systematic review and meta-analysis 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3669378
求助须知:如何正确求助?哪些是违规求助? 3227099
关于积分的说明 9773513
捐赠科研通 2937108
什么是DOI,文献DOI怎么找? 1609144
邀请新用户注册赠送积分活动 760121
科研通“疑难数据库(出版商)”最低求助积分说明 735748