广义逆高斯脆弱性模型及其在 TARGET 神经母细胞瘤数据中的应用
统计方法学
2021-04-02 v1 定量方法
应用统计
摘要
提出了一类基于广义逆高斯（Generalized Inverse-Gaussian, GIG）分布的生存脆弱性模型。我们表明 GIG 脆弱性模型像流行的伽马脆弱性模型一样灵活且数学上便利。此外，我们提出的这类模型稳健，且不会出现伽马模型所经历的某些计算问题。通过假设分段指数基线风险函数——这赋予我们的脆弱性类半参数特征——我们提出一种用于估计模型参数的 EM 算法，并给出信息矩阵的显式表达式。通过模拟结果检验 EM 估计量的有限样本性质，并研究 GIG 模型在误设定下的表现。我们将我们的方法应用于一份关于神经母细胞瘤癌症患者生存时间的 TARGET（Therapeutically Applicable Research to Generate Effective Treatments）数据，并展示了 GIG 脆弱性相对于文献中已有模型的若干优势。
引用
@article{arxiv.2004.01292,
title = {Generalized inverse-Gaussian frailty models with application to TARGET neuroblastoma data},
author = {Luiza Sette Câmara Piancastelli and Wagner Barreto-Souza and Vinícius Diniz Mayrink},
journal= {arXiv preprint arXiv:2004.01292},
year = {2021}
}