Uniform convergence rate of nonparametric maximum likelihood estimator for the current status data with competing risks
研究了竞争风险模型下当前状态数据下子分布函数的非参数极大似然估计的一致收敛性。已知极大似然估计在绝对连续情形下具有$L^2$-范数收敛速度$O_P(n^{-1/3})$，但对于同样的速度的一致收敛性却没有讨论。我们指定的条件的一致收敛性率$O_P(n^{-1/3}\log^{1/3} n)$的MLE的子分布函数的竞争风险的有限区间。所得结果改进了已知的在当前状态数据的特殊情况下的一致收敛性。主要结果被应用于当前状态右删失数据模型中失效时间生存函数极大似然估计的一致收敛性。
2019-09-13 math.ST stat.TH
Model Identifiability for Bivariate Failure Time Data with Competing Risk: Non-parametric Cause-specific Hazards and Gamma Frailty
本研究探讨了带有竞争风险的二元生存数据在非参数基线特定原因风险和不同Gamma脆弱性分布下的模型可识别性，证明了双非参数模型的不可识别性，并验证了四种Gamma脆弱性模型在一般假设下的可识别性。
2024-06-28 math.ST stat.TH
Asymptotic properties of resampling-based processes for the average treatment effect in observational studies with competing risks
本文研究了具有竞争风险的生存时间数据中平均处理效应的三种重抽样方法的大样本性质，并证明了其渐近有效性，为推导置信区间提供了理论依据。
2023-06-05 math.ST stat.TH
Reinforced urns and the subdistribution beta-Stacy process prior for competing risks analysis
在本文中，我们介绍了子分布β-Stacy过程，一种新的贝叶斯非参数过程的子分布函数的分析有用的竞争风险数据。特别是，我们i）从预测的角度通过一个强化的瓮模型来描述这个过程，ii）表明它是共轭的右删失数据，和iii）强调它与竞争风险数据的其他先验过程的关系。此外，我们考虑了竞争风险数据的非参数回归模型中的子分布β-Stacy过程，与文献中的大多数其他模型相反，该模型不是基于比例风险假设。
2018-11-29 math.ST stat.ME stat.TH
A Discontinuity Adjustment for Subdistribution Function Confidence Bands Applied to Right-Censored Competing Risks Data (with Erratum)
针对右删失竞争风险数据中事件时间普遍存在结的问题，提出修正野生bootstrap并配合Greenwood型方差估计，以校正极限方差与相依性，保障Aalen-Johansen累积发生函数推断的渐近精确性和实用性。
2024-09-10 math.ST stat.TH
Restricted estimation of the cumulative incidence functions corresponding to competing risks
在竞争风险问题中，累积发生率函数（CIF）扮演着重要的角色，其在时间$t$的值是在存在其他风险的情况下，特定类型的失效在时间$t$的失效概率。在某些情况下，有理由相信，由于各种类型的故障的CIF是线性排序的。El Barmi等人[3]研究了当只有两个故障原因时，在这种顺序下的估计和推理过程。在本文中，我们将结果推广到$k$ CIF的情况，其中$k\ge3$。尽管分析更具挑战性，但我们发现2样本病例中的大多数结果可延续至该$k$样本病例。
2006-11-07 math.ST stat.TH
Approximative Tests for the Equality of Two Cumulative Incidence Functions of a Competing Risk
在广泛使用的竞争风险设置的背景下，我们讨论了不同的推理程序来检验两个累积发生率函数的相等性，其中数据可能会受到独立的右删失或左截断。为此，我们比较两个样本Kolmogorov-Smirnov和Cramer-von Mises型检验统计量。由于，在一般情况下，其相应的渐近极限分布取决于未知量，我们利用野生的自举响应以及近似技术来构建足够的测试决策。在这里，后者的程序的动机从异方差析因设计的测试程序，但尚未提出的生存环境。模拟研究显示了所有考虑的测试在各种设置下的性能，最后一个真实的数据例子，在中性粒细胞减少症的血流感染来说明他们的应用。
2015-10-12 math.ST stat.TH
Extreme value statistics for censored data with heavy tails under competing risks
本文讨论了在随机截尾和竞争风险存在的情况下，在重尾情形下，与一个特定原因相关的（子）分布函数的极值指数的估计问题。所提出的估计（具有Aalen-Johansen积分的形式，并且是在此上下文中提出的第一个估计）的渐近正态性被建立。一个小的模拟研究显示其性能有限的样本。本文还讨论了累积发生率函数的极值分位数的估计问题。
2017-01-19 math.ST stat.ML stat.TH
Model Identifiability for Bivariate Failure Time Data with Competing Risks: Parametric Cause-specific Hazards and Non-parametric Frailty
本文针对含竞争风险的双变量生存数据，结合四类非参数脆弱性与参数化基线原因别风险函数，研究模型可识别性，并假设脆弱性均值为1。
2024-06-29 math.ST stat.ME stat.TH
Including individual Customer Lifetime Value and competing risks in tree-based lapse management strategies
本文面向寿险保单留存，构建融合个体客户终身价值、盈利能力验证指标及死亡竞争风险的失效管理框架，证明基于生存树的模型优于参数方法，并在真实数据上提升预测收益与决策价值。
2023-07-13 math.ST stat.TH
A New Non-Linear Conjugate Gradient Algorithm for Destructive Cure Rate Model and a Simulation Study: Illustration with Negative Binomial Competing Risks
在本文中，我们提出了一种新的估计方法的基础上投影非线性共轭梯度（PNCG）算法与一个有效的线搜索技术。我们开发了一个通用的PNCG算法的生存模型，将比例治愈下的竞争风险设置，其中的初始数量的竞争风险暴露于消除后的初始治疗（称为破坏）。在文献中，期望最大化（EM）算法已被广泛用于此类模型的参数估计。通过大量的Monte Carlo仿真研究，我们比较了我们提出的PNCG的EM算法的性能，并显示我们提出的方法的优点。通过模拟，我们还显示了我们提出的方法的优势，比其他优化算法（包括其他共轭梯度型方法）容易作为R软件包。为了证明这些，我们假设竞争风险的初始数量遵循负二项分布，尽管我们的通用算法允许使用任何竞争风险分布。最后，我们应用我们提出的算法来分析一个著名的黑色素瘤数据。
2020-07-04 math.OC math.ST stat.TH
Order restricted inference for comparing the cumulative incidence of a competing risk over several populations
有大量文献研究了在多个人群的竞争风险环境中，与特定或所有替代方案相比，与一个特定原因相关的累积发生率函数的相等性。在本文中，我们提出了一个渐近分布自由测试时的替代品是，关联函数是线性有序的，但不相等。其动机源于这样一个事实，即在许多例子中，这种线性排序在直觉上似乎是合理的，并且通常从经验观察中得到证实。当排序合理时，这些测试更强大。我们还提供了估计的关联函数在此顺序约束下，推导出它们的渐近性质的统计推断的目的，并显示改进的无限制估计时，顺序限制。
2008-05-15 math.ST stat.TH
Current status data with competing risks: Limiting distribution of the MLE
研究了具有竞争风险的当前状态数据的非参数估计问题。我们的主要兴趣是在非参数的最大似然估计（MLE），为了比较，我们还考虑了一个更简单的``天真估计。Groeneboom，Maathuis和Wellner [Ann. Statistist.（2008）36 1031--1063]证明了这两种类型的估计量以速率$n^{1/3}$全局收敛和局部收敛。我们利用这些结果来推导估计量的局部极限分布。朴素估计的极限分布由带抛物漂移的相关布朗运动过程的凸次量的斜率给出。MLE的极限分布涉及一个新的自诱导极限过程。最后，我们提出了一个模拟研究表明，极大似然估计优于朴素估计的均方误差，无论是小样本量和渐近。
2008-06-17 math.ST stat.TH
Extreme Limit Theory of Competing Risks under Power Normalization
本文针对竞争风险下的极值数据建模问题，建立了幂归一化极大值与极小值的概率模型，提出加速p-极大值/p-极小值稳定分布族，证明其参数极大似然估计的相合性与渐近正态性，并通过数值实验和真实数据集验证了模型性能。
2024-06-24 math.ST stat.TH
Semiparametric transformation model for competing risks data with cure fraction
我们提出了一种新的方法来分析竞争风险数据与长期生存。所提出的方法使我们能够同时估计总体生存概率和治愈分数。我们用线性变换模型来表示协变量对累积发生率函数的影响。建立了基于计数过程的回归系数估计方程。利用鞅理论研究了估计量的渐近性质。一个广泛的蒙特卡罗模拟研究进行评估有限样本的估计性能。最后，我们使用一个真实的数据集来说明我们的方法。
2022-04-27 math.ST stat.ME stat.TH
A nonparametric instrumental approach to endogeneity in competing risks models
本文讨论了具有持续期结局、竞争风险和随机右截尾的内生治疗模型。使用离散工具变量解决了内点问题。我们发现，竞争风险模型产生一个非参数分位数工具回归问题。特定原因累积发生率、特定原因危害和子分布危害可以从回归函数中恢复。该模型的一个显着特点是，审查和竞争风险防止识别在某些分位数。我们的特点是一组分位数的精确识别是可能的，并给出部分识别结果的其他分位数。我们概述了一个估计过程，并讨论其性质。有限样本性能的估计通过模拟评估。我们将所提出的方法应用于大纽约州的健康保险计划实验。
2021-05-03 econ.EM math.ST q-bio.QM
How to Bootstrap Aalen-Johansen Processes for Competing Risks? Handicaps, Solutions and Limitations
竞争风险模型中的统计推断通常基于著名的Aalen-Johansen估计。由于相应的极限过程缺乏独立的增量，它通常与Lin（1997）涉及标准正态乘子的resception技术一起应用。最近，人们已经看到，这种方法可以被解释为一个野生的自举技术和其他乘数，例如中心泊松，可能会导致更好的有限样本性能，见Beyersmann等人。由于后者是密切相关的埃夫隆的经典引导，问题是是否这个或更一般的加权引导版本的阿伦-约翰森过程导致有效的结果。在这里，我们分析他们的渐近行为，事实证明，这种加权自助版本一般具有错误的协方差结构的限制。然而，我们解释说，加权自助法仍然可以适用于特定的零假设的利益，并讨论其局限性统计推断。为此，我们介绍了不同的一致加权bootstrap检验的随机有序累积发病率函数的原假设，并比较其有限样本的模拟研究的性能。
2014-01-30 math.ST stat.TH
Current status data with competing risks: Consistency and rates of Convergence of the MLE
研究了具有竞争风险的当前状态数据的子分布函数的非参数估计问题。我们的主要兴趣是在非参数的最大似然估计（MLE），为了比较，我们还考虑了一个更简单的``天真估计。Jewell，van der Laan和Henneman [Biometrika（2003）90 183--197]研究了这两种类型的估计量，但对它们的大样本性质知之甚少。我们已经开始填补这一空白，证明估计是一致的，并在全球和局部收敛率$n^{1/3}$。我们还表明，这种局部收敛速率在极大极小意义上是最优的。极大似然估计的局部收敛速率的证明采用了新的方法，并依赖于子分布函数的极大似然估计之和在点的固定邻域上一致成立的速度结果。我们的结果被用于Groeneboom，Maathuis和Wellner [Ann。（2008）36 1064--1089]以获得估计量的局部极限分布。
2008-06-17 math.ST stat.TH
On the calibration of survival models with competing risks
Inria de Saclay（法国国家信息与自动化研究所萨克雷中心）；Drees（法国研究、调查、评估与统计局）
本文提出了一种针对竞争风险设置的生存模型校准框架，引入了两个新的校准度量以提高概率估计的准确性，同时保持模型的判别能力。
2026-01-30 cs.AI math.ST stat.ME
Statistical inference of a competing risks model based on improved adaptive type-II progressive censored data under Gompertz lifetime distribution
Maulana Azad National Institute of Technology Bhopal（莫拉纳·阿扎德国立博帕尔理工学院）；National Institute of Technology Rourkela（鲁尔基拉国立理工学院）
本文针对斑胸草雀生存现象，研究Gompertz分布下改进自适应II型逐步删失数据的竞争风险模型，推导参数估计、构造区间并通过模拟与真实数据验证方法性能。
2026-08-04 math.ST stat.ME stat.TH
Fine-Gray competing risks model with high-dimensional covariates: estimation and Inference
本文的目的是构造随机截尾下竞争风险数据的Fine-Gray模型中回归系数的置信区间，其中协变量的数目可以大于样本量。尽管来自生物医学应用的强烈动机，但高维Fine-Gray模型在方法学或理论文献中引起的关注相对较少。我们填补了这一空白，开发置信区间的基础上一步偏差校正的正则化估计。我们开发了一个理论框架的偏似然，它没有独立和同分布的条目，因此提出了许多技术挑战。我们还研究了随机截尾下的加权方案的近似误差的竞争风险，并建立新的浓度结果的时间依赖过程。除了理论结果和算法，我们提出了广泛的数值实验和应用程序的非癌症死亡率前列腺癌患者使用的关联医疗保险SEER数据的研究。
2019-04-08 math.ST stat.AP stat.ME
Multi-Absorbing Phase-Type Distributions for Right-Censored Competing Risks Data
University of Queensland（昆士兰大学）；Victoria University of Wellington（惠灵顿维多利亚大学）；University of Auckland（奥克兰大学）
本文提出多吸收相型分布用于竞争风险建模，开发EM算法处理右删失数据，并在重症监护数据上取得优于现有方法的似然值。
2026-09-18 math.ST stat.ME stat.TH
Gaussian process regression for survival data with competing risks
我们应用高斯过程（GP）回归，它提供了一个强大的非参数概率方法的相关输入输出，生存数据组成的时间事件和协变量测量。在这种情况下，协变量被视为“输入”，事件时间被视为“输出”。这允许高度灵活地推断协变量和事件时间之间的非线性关系。许多现有的方法，如普遍存在的Cox比例风险模型，主要集中在风险率，通常假设采取一些参数或半参数的形式。我们提出的模型属于一类加速失效时间模型，我们专注于直接表征协变量和事件时间之间的关系，没有任何明确的假设，什么形式的风险率。包含各种类型和组合的删失和截断观测值是很简单的。我们将我们的方法应用于模拟和实验数据。然后，我们应用多输出GP回归，它可以处理每个输入的多个潜在相关的输出，以竞争风险生存数据，其中可能发生多种事件类型。通过调整其中一个模型参数，我们可以控制多个输出（每个风险的事件发生时间）的依赖程度，从而允许相关风险的规范。模拟研究表明，在某些情况下，假设相关性可以导致更准确的预测。
2014-09-05 math.ST stat.ME stat.TH
Principled Estimation and Prediction with Competing Risks: a Bayesian Nonparametric Approach
University of Milano-Bicocca（米兰比可卡大学）；Bocconi Institute for Data Science and Analytics, Bocconi University（博科尼大学数据科学与分析研究所）
本文提出一种贝叶斯非参数方法，用于竞争风险下的估计与预测，通过多状态模型框架和灵活的非参数先验模型，构建预测曲线并评估生存函数和病因特异性发病率。
2026-04-29 math.ST stat.ME stat.TH
Causal inference for semi-competing risks data
对至事件发生时间数据的一个新挑战是研究半竞争风险，即当两个事件时间值得关注时：非终末事件时间（例如疾病诊断时的年龄）和终末事件时间（例如死亡时的年龄）。只有当非终结事件在终结事件之前时才观察到非终结事件，终结事件可以在非终结事件之前或之后发生。研究治疗或干预对双事件时间的影响是复杂的，因为对于某些单位，非终末事件可能在一个治疗值下发生，但在另一个治疗值下不发生。直到最近，现有的方法（例如，幸存者平均因果效应）通常忽略了两种结果的时间至事件性质。最近的研究主要集中在贝叶斯方法下随时间变化的人群中的主要层效应。在本文中，我们提出了替代非时变被估量，基于一个单一的分层的人口。我们提出了一个新的假设，利用时间到事件的性质的数据，这是弱于经常调用的单调性假设。我们推导出部分可识别性的结果，提出了一种敏感性分析方法，并给出了充分识别的条件。最后，我们提出了右删失数据的非参数和半参数估计方法。
2020-10-09 math.ST stat.AP stat.ME
