Semi-parametric Model For Recurrent Event With Informative Censoring and Measurement Error

此篇論文主要使用半參數模型來描述一復發事件之行為，並探討當資料有非獨立設限時間及其共變數有測量誤差時，該如何估計共變數之參數以及事件之頻率函數 (Rate function) 。所謂復發事件指的是，某觀測時間內，對同一觀測對象而言，重複發生之相同事件 ( 如高血壓、中風等疾病的復發)，設限時間非獨立亦即觀測對象離開實驗之時間與事件本身有關。本文中處理非獨立設限資料的概念和 Wang et al. (2001) 提出之方法相似，但我們多考慮共變數有測量誤差之情形，並分別使用迴歸校正法 (Regression calibration method) 、模擬外插法 (SIMEX) 以及分數函數校正法 (Corrected Score function method) 來做測量誤差之校正。文中以模擬資料來比較不同的校正法以及不考慮測量誤差或非獨立設限之估計量的表現。結果顯示，當忽略資料有非獨立設限或測量誤差時，估計量將有極大之偏誤。而在處理非獨立設限問題之後，以分數函數校正之共變數參數估計量偏誤最小，且對不同的誤差項變異而言表現較穩健，模擬外插法在誤差項變異大時有嚴重偏誤，而迴歸校正法則在各種情況下之偏誤都較分數函數校正法大。我們利用此模型來分析囊狀纖維化患者肺部重複感染的資料，並考慮第一秒吐氣量之最大容積 ( FEV1 ) 具有不同規模的測量誤差下進行估計，結果發現當可靠比例設 0.8 時，各估計量差異明顯，但皆顯示 rhDNase 能降低囊狀纖維化患者肺部感染復發次數，而 FEV1 值越大感染復發次數越少。

關鍵字

復發事件；半母數模型；非獨立設限；測量誤差

並列摘要

無資料

並列關鍵字

recurrent event ； semi-parametic ； informative censoring ； measurement error

參考文獻

Aalen, O. (1978). Nonparametric inference for a family of counting

processes. The Annals of Statistics, 6(4):701–726.

counting processes: A large sample study. The Annals of Statistics,

to correcting for measurement error in regression. Biometrika, 83

Buonaccorsi, J. P. (2010). Measurement Error: Models, Methods, and

國際替代計量

Semi-parametric Model For Recurrent Event With Informative Censoring and Measurement Error

主題瀏覽