Estimating Survival and Association in a Semicompeting Risks Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In many follow-up studies, patients are subject to concurrent events. In this article, we consider semicompeting risks data as defined by Fine, Jiang, and Chappell (2001, Biometrika 88, 907-919) where one event is censored by the other but not vice versa. The proposed model involves marginal survival functions for the two events and a parametric family of copulas for their dependency. This article suggests a general method for estimating the dependence parameter when the dependency is modeled with an Archimedean copula. It uses the copula-graphic estimator of Zheng and Klein (1995, Biometrika 82, 127-138) for estimating the survival function of the nonterminal event, subject to dependent censoring. Asymptotic properties of these estimators are derived. Simulations show that the new methods work well with finite samples. The copula-graphic estimator is shown to be more accurate than the estimator proposed by Fine et al. (2001); its performances are similar to those of the self-consistent estimator of Jiang, Fine, Kosorok, and Chappell (2005, Scandinavian Journal of Statistics 33, 1-20). The analysis of a data set, emphasizing the estimation of characteristics of the observable region, is presented as an illustration.
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.
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 | 0,004 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle