利用辅助与验证结局数据的离散比例风险模型增广似然方法——及其在HCHS/SOL研究中的应用
统计方法学
2022-09-22 v2
摘要
在大型流行病学研究中，通常会在定期随访时使用廉价、非侵入性的程序记录疾病状态，而较少使用金标准测试进行评估。像自我报告的疾病状态这类廉价的结局测量方法易于获取，但可能容易出错。依赖易错结局的关联分析可能导致有偏的结果；然而，将分析仅限于较少观测到的无误结局数据可能效率低下。我们开发了一种增广似然方法，它结合了来自易错结局和金标准评估的数据。我们进行了一项数值研究，以展示如何通过使用所提出的方法，相较于不利用辅助数据的区间删失生存数据标准方法，提高统计效率。我们将此方法扩展到复杂调查设计环境，以便应用于我们的激励数据示例。我们的方法应用于西班牙裔社区健康研究/拉丁裔研究（HCHS/SOL）的数据，以评估能量和蛋白质摄入与糖尿病发病风险之间的关联。在我们的应用中，我们展示了如何将我们的方法与回归校准结合使用，以额外解决自我报告饮食中的协变量测量误差。
引用
@article{arxiv.2111.12760,
title = {An Augmented Likelihood Approach for the Discrete Proportional Hazards Model Using Auxiliary and Validated Outcome Data -- with Application to the HCHS/SOL Study},
author = {Lillian A. Boe and Pamela A. Shaw},
journal= {arXiv preprint arXiv:2111.12760},
year = {2022}
}
备注
Main manuscript: 31 pages including 6 pages of figures; 27 pages including 5 pages of figures and references