含协变量测量误差与变点下的 Cox 生存回归模型估计
应用统计
2019-09-02 v2
摘要
Cox 回归模型是分析协变量与生存终点之间关系的常用模型。标准 Cox 模型假设在整个协变量域内协变量效应为常数。然而，在许多流行病学及其他应用中，主要关注的协变量存在阈值效应：在协变量域内某一点处斜率发生变化。通常，感兴趣的协变量存在一定程度的测量误差。本文研究在阈值已知情形下的测量误差校正。考察了几种偏差校正方法：两个版本的回归校准（RC1 和 RC2，后者为新方法）、基于稀有事件假设下诱导相对风险的两种方法（RR1 和 RR2，后者为新方法）、最大伪偏似然估计量（MPPLE）以及模拟外推法（SIMEX）。我们发展了相关理论，给出了比较各方法的模拟，并在关于慢性空气污染颗粒物 PM10 暴露与致命心肌梗死关系的数据（护士健康研究（NHS））以及关于受试者长期基础收缩压水平对心血管疾病死亡风险影响的数据（Framingham 心脏研究（FHS））上展示了其应用。模拟表明最佳方法为 RR2 和 MPPLE。
引用
@article{arxiv.1808.07662,
title = {Estimation in the Cox Survival Regression Model with Covariate Measurement Error and a Changepoint},
author = {Sarit Agami and David M. Zucker and Donna Spiegelman},
journal= {arXiv preprint arXiv:1808.07662},
year = {2019}
}