Semiparametric Methods for Survival Data with Clustering, Outcome-Dependent Sampling, Dependent Censoring, and External Time-Dependent Covariate.
Notice bibliographique
Résumé
In this dissertation, we focus on the development of semiparametric methods for estimating proportional hazards models in the presence of non-standard data structures, namely clustering, outcome-dependent sampling, dependent censoring and external time-dependent covariate. In the first chapter, we propose methods based on estimating equations for case-cohort designs with clustered failure time data. We assume a marginal hazards model with a common baseline hazard and common regression coefficients across all clusters. Compared to their closest competitors in the literature, the proposed methods feature more tractable asymptotic derivations, variance estimation with reduced computational burden, and potentially increased efficiency. We apply these methods to the study of mortality among Canadian dialysis patients. In the second chapter, we propose methods for dealing with failure time data in the setting where the probability of sampling subjects depends on the outcome (e.g., death, survival) and where subjects are censored in a manner which is dependent on the failure rate. We employ a novel double-inverse-weighting scheme which combines weights arising from the probability of remaining uncensored and from the probability of being sampled. The proposed methods are applied to study the wait-list mortality among patients with end-stage liver disease. The third chapter is motivated by the challenges of fitting complex models to data from the smaller countries participating in the Dialysis Outcomes and Practice Patterns Study (DOPPS). We perform a comprehensive investigation of the association between the day-of-week-specific death rates and the dialysis schedule in the U.S., several European countries and Japan. Three Cox models are considered in which 'day of the week', 'day of dialysis schedule', or 'days since last dialysis' serves as a time-dependent covariate. The models are compared and contrasted, with special attention given to the setting where the sample size is small.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».