威布尔脆弱性比例危险模型的等级似然估计和应用

针对包含右删失的纵列生存数据,建立了威布尔分布的脆弱性半参数比例危险模型,为避免边际似然的积分运算,采用等级似然方法估计协变量系数和随机效应的实现值,采用调整的轮廓等级似然方法估计随机效应分布参数。并且通过模拟研究将威布尔脆弱性模型和对数正态脆弱性模型以及伽马脆弱性模型作了比较,发现威布尔分布最适合半参数比例危险模型的脆弱性因子的分布设定。最后,将建立的模型用于分析肾病感染数据和烧伤病人皮肤移植数据,结果表明威布尔脆弱性模型都给出了不弱于伽马脆弱性模型和对数正态脆弱性模型的估计结果,而且威布尔脆弱性模型有助于诊断异质性问题。

竞争风险下纵列数据的随机效应建模和估计

为研究包含右删失的纵列生存数据,对每种风险建立一个COX比例危险模型,采用每种风险的危险率上都乘一个随机效应因子的方法,体现不同风险的危险率之间的联系,虽然这样做从通常的随机效应的边际似然估计方法来看是大大增加了难度,但更加符合实际。在模型估计上,采用等级似然估计方法,从而避免了求后验分布的积分运算,简化了估计过程。对竞争风险下比例危险的随机效应模型的等级似然函数,给出了推导和估计步骤。

重复观测生存数据的AR(1)随机效应建模和估计

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。

竞争风险下纵列持续数据随机效应模型的估计与模拟研究

本文论证竞争风险下纵列持续数据随机效应模型属于广义线性模型的范畴,推导出用于模型估计的等级似然函数,将等级似然估计的运用由单风险扩展到竞争风险,并进行了模拟研究。模拟结果表明,对于竞争风险下的随机效应模型,等级似然估计能够给出协变量系数相当精确的估计,克服了忽略异质性影响所导致的偏差;模拟研究还表明,本文提出的估计方法同样适用于区间观测数据。