具有信息性簇大小的聚类多状态当前状态数据的伪值回归

多状态当前状态（CS）数据由于研究参与者在随机检查时间经过一系列明确定义的疾病状态转移时仅被单次观测，呈现出更为严重的删失形式。此外，这些数据可能聚类于特定群组内，且由于转移结果与簇大小之间存在的潜在关系，簇大小的信息性可能产生。若未对此信息性进行调整，可能导致有偏推断。受牙周病（PD）临床研究启发，我们提出伪值方法的扩展，以估计具有信息性簇或簇内组大小的聚类多状态CS数据的协变量对状态占有概率（SOP）的影响。在我们的方法中，所提出的伪值技术首先利用非参数回归计算SOP的边际估计量。接着，基于相应伪值的估计方程由簇大小的函数重新加权，以调整信息性。我们进行了多种模拟研究，以在不同信息性场景下考察基于非参数边际估计量的伪值回归的性质。为说明起见，该方法应用于启发的PD数据集，其囊括了复杂的数据生成机制。