基于分层权重校准病例-队列数据的 Cox 模型相对风险与纯风险推断
统计方法学
2023-04-10 v1
摘要
病例-队列设计仅获取病例和整个队列的随机样本（子队列）的完整协变量数据。后续发表的研究描述了使用分层和权重校准来提高 Cox 模型对数相对风险估计的效率，并且已有一些估计纯风险的工作。然而，在医学文献中很少有这些选项的应用实例，而且我们无法找到当前在线分析这些不同选项的程序。因此，我们提出了一种统一的方法和 R 软件来促进此类分析。我们使用了适应各种设计和分析选项的影响函数，以及考虑两阶段抽样的方差计算。这项工作阐明了广泛使用的 Barlow “稳健”方差估计何时适用。相应的 R 软件 CaseCohortCoxSurvival 促进了有无分层和/或权重校准的分析，适用于有放回或无放回的子队列抽样。我们还允许分层设计中第二阶段数据随机缺失。我们不仅提供 Cox 模型中对数相对风险的推断，还提供累积基线风险和协变量特定纯风险的推断。我们希望这些计算和软件将促进病例-队列研究中更广泛地使用更高效、更有原则的设计和分析选项。
引用
@article{arxiv.2304.03396,
title = {Cox model inference for relative hazard and pure risk from stratified weight-calibrated case-cohort data},
author = {Lola Etievant and Mitchell H. Gail},
journal= {arXiv preprint arXiv:2304.03396},
year = {2023}
}