摘要：当生命数据是离散的、未删失数据含有打结的和有协变量信息时,离散生存分析模型是适当的选择。但当生存数据中有所谓“持久生存者”时,通常的离散生存模型已不适合。介绍一个新的离散生存模型,可以处理含持久生存者的生存数据。

    关键词：离散生存数据；协变量；持久生存；参数估计

     1生存模型

    当生存数据中出现“长期生存者”的时候, 我们就要考虑使用治愈模型。因为长期生存者的生存时间会被删失从而不会是失效数据;相反地,只要跟踪的时间足够长,易感染人群最终都会死亡,从而产生失效数据。目前流行的用来模拟此类数据是混合治愈模型。

    长期以来,混合治愈模型是一个非常吸引人的生存分析模型,它由两部分构成:易感染人群的比例及标准的生存函数。它的生存函数可以做如下描述:

    S(t)=pS0(t)+(1-p)=1-pF0(t)(1)

    此处F0(·)=1-S0(·)一个标准的分布函数, p∈(0,1] 是易感染人群的比例。F0(t)常常被参数化为指数分布和Weibull分布。 最近,非参数的F0(t)也引起了关注[1]。有关的协变量效应也可以添加到(1)式中的参数p和标准生存函数S0(t)上。当生存函数是连续的时候, Kuk 和Chen 在文献[1]中讨论了如下模型:

    S(t)=p[S0(t)]exp(zTβ)+(1-p)(2)

    这里z是协变量, β是待估的协变量系数。S0(t)可以参数化和非参数化。本研究将此模型推广到离散时间模型,并将用它来模拟实际生存数据。

    假设T0 是取值 a1tf0(al) ......

    百拇医药网 http://www.100md.com/html/DirDu/2006/09/20/17/79/27.htm

您现在查看是摘要页，全文长 6373 字符。