多结局生存分析模型与Cox模型的随机模拟比较
2013-07-27 高峻 董 伟 赵耐青 MedSci原创
多结局现象(Multiple Failure Time Data)在各个领域都非常常见。所谓的多结局现象就是指研究对象可能出现的失效事件有多种,而不单单是经典生存分析中只有一种失效事件(即研究者所关心的结局不止一个)。研究中出现的多种结局类型可能是相同的,也可能是不同的。在多结局数据中,同一对象出现的多个不同结局所对应的生存时间之间存在着相关性〔1〕。 对于多结局的模型,偏似然估计对参数估计是
多结局现象(Multiple Failure Time Data)在各个领域都非常常见。所谓的多结局现象就是指研究对象可能出现的失效事件有多种,而不单单是经典生存分析中只有一种失效事件(即研究者所关心的结局不止一个)。研究中出现的多种结局类型可能是相同的,也可能是不同的。在多结局数据中,同一对象出现的多个不同结局所对应的生存时间之间存在着相关性〔1〕。 对于多结局的模型,偏似然估计对参数估计是渐近无偏的,但是由于多结局之间的相关性,导致参数估计的标准误偏小,因此采用”夹心方差估计”(sandwich variance estimator)〔2-4〕进行校正。经典的Cox模型回归系数的标准误是通过相应模型的方差协方差矩阵对角线各个数值的平方根而计算出。通过这种方法得到的标准误称为纯标准误(naive standard error)。但当同一个体的各生存时间出现相关性的时候该标准误不稳定〔5-11〕,此时计算出的标准误高估了样本中相关对象的个数,或者也可以认为“忽略了组内相关性,从而高估了组间的信息”〔12〕。这时上述方法估计出的标准误偏小。“调整夹心方差估计”(modified sa
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
非常好的分析
103