在基于伪值的回归方法中针对聚类事件时间数据的告知性簇大小调整
统计方法学
2023-03-27 v2
摘要
告知性簇大小 (ICS) 出现在具有聚类数据的情况中，其中簇内参与者数量与结局度量之间存在潜在关系。尽管这一现象在统计文献中已被零星报道近二十年，某些统计方法论仍需进一步探索以避免潜在的误导性推断。对于无协变量的总体量的推断，常采用逆簇大小重新加权来调整 ICS。此外，为研究由多状态模型描述的疾病进展的协变量效应，伪值回归技术在事件时间数据分析中已广受欢迎。我们试图回答这一问题：“当簇大小具有告知性时，如何将伪值回归应用于聚类事件时间数据？”通过重新加权法对 ICS 的调整可分两步进行：多状态模型边际函数的估计，以及基于伪值响应的估计方程拟合，从而产生四种可能策略。我们给出理论论证与详尽的模拟实验以确定调整 ICS 的正确策略。我们方法论的进一步扩展被实现以纳入由簇内组大小引发的信息性。我们在两个真实应用中展示这些方法：(i) 确定牙周研究中牙齿存活的预测因子，(ii) 识别参与步行训练康复的脊髓损伤患者的步行恢复指标。
引用
@article{arxiv.2210.13410,
title = {Adjusting for informative cluster size in pseudo-value based regression approaches with clustered time to event data},
author = {Samuel Anyaso-Samuel and Somnath Datta},
journal= {arXiv preprint arXiv:2210.13410},
year = {2023}
}
备注
22 pages, 4 figures, 4 tables