您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览187 | 下载12

目的 使用一阶自回归(AR(1))形式的脆弱性结构比例危险模型对重复测量的生存数据进行建模和估计.方法 估计随机效应分布的参数,并且利用CGD数据实例将其和极大似然估计(ML)、约束极大似然估计(REML)方法进行比较.采用等级似然估计方法估计协变量参数并预测随机效应的实现值,采用调整的轮廓等级似然估计(MAPHL)结果 REML的迭代过程和利用调整的集中化等级轮廓似然对随机效应参数一阶导数为零进行估计等价,而等级似然估计方法可以考虑随机效应参数的联合信息.结论 使用等级似然方法对AR(1)形式的脆弱性结构的比例危险模型估计是合适的.

作者:王宁宁;徐淑一;方积乾

来源:中国卫生统计 2014 年 31卷 6期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:187 | 下载:12
作者:
王宁宁;徐淑一;方积乾
来源:
中国卫生统计 2014 年 31卷 6期
标签:
AR(1)脆弱性模型 比例危险 等级似然 AR(1) frailty model Proportional hazards Hierarchical likelihood
目的 使用一阶自回归(AR(1))形式的脆弱性结构比例危险模型对重复测量的生存数据进行建模和估计.方法 估计随机效应分布的参数,并且利用CGD数据实例将其和极大似然估计(ML)、约束极大似然估计(REML)方法进行比较.采用等级似然估计方法估计协变量参数并预测随机效应的实现值,采用调整的轮廓等级似然估计(MAPHL)结果 REML的迭代过程和利用调整的集中化等级轮廓似然对随机效应参数一阶导数为零进行估计等价,而等级似然估计方法可以考虑随机效应参数的联合信息.结论 使用等级似然方法对AR(1)形式的脆弱性结构的比例危险模型估计是合适的.