在受随机左截断与右删失的非马尔可夫多状态模型中估计状态占有与转移概率
统计方法学
2020-04-15 v1
摘要
Aalen-Johansen 估计量将 Kaplan-Meier 估计量对独立左截断与右删失生存数据推广到估计具有有限状态空间的时非齐次马尔可夫模型的转移概率矩阵。此类多状态模型在建模疾病随时间的复杂进程方面有广泛应用，但马尔可夫假设常受质疑。若删失与多状态数据完全无关，已有人指出经多状态模型初始经验分布标准化的 Aalen-Johansen 估计量仍一致地估计状态占有概率。近来，该结果已通过地标法推广到转移概率，这尤其对动态预测有用。我们从三方面补充这些结果。首先，延迟入研究是观察性研究中的常见现象，我们将早先结果推广到也受左截断的多状态数据。其次，我们给出 Aalen-Johansen 估计量对状态占有概率一致性的严格证明（地标法的正确性也依赖于此），纠正、简化并推广了早先结果。第三，我们的严格证明启发了 wild bootstrap 重采样。我们对左截断的发展受一项关于手术患者中多重耐药生物发生与影响的前瞻性观察研究推动。给出了真实数据示例与模拟研究。研究 wild bootstrap 的动机在于：与从数据中放回抽样不同，期望有一种技术既能用于受随机左截断与右删失的非马尔可夫模型，也能用于左截断与右删失不必完全随机的马尔可夫模型。
引用
@article{arxiv.2004.06514,
title = {Estimating state occupation and transition probabilities in non-Markov multi-state models subject to both random left-truncation and right-censoring},
author = {Alexandra Niessl and Arthur Allignol and Carina Mueller and Jan Beyersmann},
journal= {arXiv preprint arXiv:2004.06514},
year = {2020}
}
备注
21 pages with 3 figures