聚合现况数据的最大似然估计：基于病程依赖型慢性病生死模型的模拟研究
统计方法学
2024-02-23 v1
摘要
我们利用慢性病生死模型 (IDM) 推导出了 IDM 状态间转移率的新解析关系。转移率包括发病率 (i) 以及无病人群死亡率 (m0) 和患病人群死亡率 (m1)。对于最一般的情况，这些率取决于年龄、日历时间，且在 m1 的情况下还取决于病程。在这项工作中，我们证明了患病优势比可以表示为发病率与 i、m0 和 m1 的指数线性组合的类卷积乘积。该解析表达式可用作最大似然估计 (MLE) 及相关大样本渐近理论的基础。在一项模拟横断面慢性病试验的研究中，我们利用 ML 估计器基于聚合现况数据估计了死亡率 m1 的病程依赖性。为此，考虑了十一个年龄组中的研究参与者数量和患病人数。ML 估计器为参数提供了合理的估计值，包括其大样本置信界限。
引用
@article{arxiv.2402.14133,
title = {Maximum likelihood estimation for aggregate current status data: Simulation study using the illness-death model for chronic diseases with duration dependency},
author = {Maryam Saem and Ralph Brinks},
journal= {arXiv preprint arXiv:2402.14133},
year = {2024}
}
备注
2 figures