Fine-Gray 模型下不完全数据的 Wild Bootstrap 与多重插补推断

Fine-Gray 模型规定多个竞争风险中某一风险的子分布风险成比例。在数据为删失完全时，Fine-Gray 模型下参数与累积发生率函数的估计量结构比在更一般的不完全数据时更为简单。本文考虑不完全数据情形，但利用上述更简单的估计量结构，对此存在一种用于推断的 wild bootstrap 方法。本思路是借助多重插补，将删失完全情形下的方法论与更一般的右删失机制相联系。在模拟研究中，将该方法与 Fine 和 Gray 原论文提出并与 bootstrap 方法相结合的估计过程进行比较。对一组医院获得性感染数据的应用说明了该方法。