Buckley-James模型在生存分析中的应用
2013-07-27 陈兵 骆福添 MedSci原创
Cox比例风险模型是生存分析中常用的多元分析方法之一[1, 2],它假设任意两个对象死亡风险比与这两个对象的预后因素呈指数关系,并且不随追踪时间变化而变化。但少数情况下该假设不能得到满足,这时Cox模型不再适用。1979年Buckley和James[3]提出了对于右删失数据的线性回归模型,简称BJ模型。它的估计方法是普通最小二乘法的一种扩展方法。20世纪80年代Weissfeld和Schnei
Cox比例风险模型是生存分析中常用的多元分析方法之一[1, 2],它假设任意两个对象死亡风险比与这两个对象的预后因素呈指数关系,并且不随追踪时间变化而变化。但少数情况下该假设不能得到满足,这时Cox模型不再适用。1979年Buckley和James[3]提出了对于右删失数据的线性回归模型,简称BJ模型。它的估计方法是普通最小二乘法的一种扩展方法。20世纪80年代Weissfeld和Schneider[4], Heller和Simo-noff[5]等通过模拟研究,比较了BJ模型和其他一些回归模型,结果都显示BJ模型的统计学特性要优于其它模型,比如,Atikin(1981)[6],Koul e.t al(1981)[7],Leurgans(1987)[8]等。BJ模型是Cox模型的主要替代模型。特别地,Heller和Simonoff[5]讨论了如何在BJ模型和Cox模型中做出恰当的选择。通过比较,他们认为到底选择哪一种方法要根据数据的删失比例、回归的效率、删失数据和完整数据的分布形式。* 1 Buckley-James模型[3] 模型假定时间T,或者其单调变换(如对数变换),和协变向量
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
#MES#
31