带终止事件的复发事件数据加速比率模型

发布时间：2017-09-21 08:29

  本文关键词：带终止事件的复发事件数据加速比率模型

  更多相关文章： 复发事件 终止事件 估计方程 加速比率模型 边际模型 模型检验

【摘要】：在纵向跟踪研究中,我们感兴趣的事件在每个个体身上可能发生不只一次,这样的事件称为复发事件,对应的数据称为复发事件数据。复发事件广泛存在于生物学、医学等领域。早期研究中将死亡等视为右删失,假设其与复发事件独立。但很多情况下,疾病的不断复发和死亡间有很强的相关性,这与假设不符。近年来,学者提出终止事件概念,即:阻止复发事件再发生的事件,以区别于右删失。终止事件概念的引入使得原有的广义估计方程出现部分缺失值。边际模型方法是处理带终止事件的复发事件数据的常用方法之一,它对终止事件和复发事件之间的关系不做具体假设,是一种比较稳健的方法。本文使用该方法对带终止事件的复发事件数据建立加速比率模型,通过对终止事件发生时间和删失时间建模,分别使用生存逆概率加权(inverse probability of survival weighting)方法和删失逆概率加权(inverse probability of censoring weighting)方法构造缺失值的估计,得到新的估计方程,并证明了所得估计的相合性和渐近正态性。加速比率模型中,协变量的作用是直接对比率函数中的时间进行尺度变换,具有形式简单、解释性强等特点,是主要的半参数模型之一。但因其特殊结构导致部分估计值的方差可能出现数值不稳定的情况,我们利用重抽样技术加以解决,同时给出模型检验的方法。
【关键词】：复发事件 终止事件 估计方程 加速比率模型 边际模型 模型检验
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：C812
【目录】：

• 摘要3-4
• Abstract4-5
• 第一章 绪论5-8
• 第二章 失效时间与复发事件数据建模8-14
• 2.1 失效时间建模方法8-11
• 2.2 不带终止事件的复发事件建模11-12
• 2.3 带终止事件的复发事件数据建模12-14
• 第三章 带终止事件的复发事件数据加速比率模型14-26
• 3.1 生存逆概率加权(IPSW)方法16-22
• 3.2 删失逆概率加权(IPCW)方法22-26
• 第四章 加速比率模型与重抽样技术26-34
• 4.1 带终止事件的加速比率模型参数方差估计26-27
• 4.2 模型检验27-30
• 4.3 数值模拟30-34
• 第五章 结论与展望34-35
• 致谢35-36
• 参考文献36-40
• 附录40-44
• 攻读硕士学位期间发表的论文40-41
• 模拟程序41-44

，

本文编号：893434