Language:

A semiparametric linear transformation model to estimate causal effects for survival data

Canadian journal of statistics, 2014-03, Vol.42 (1), p.18-35 [Peer Reviewed Journal]

2014 Statistical Society of Canada/Société statistique du Canada ;2013 Statistical Society of Canada/Société statistique du Canada ;Copyright Statistical Society of Canada Mar 2014 ;ISSN: 0319-5724 ;EISSN: 1708-945X ;DOI: 10.1002/cjs.11198 ;PMID: 31660001

Full text available

Citations Cited by

Actions
1. Add to My Research
2. Remove from My Research
3. E-mail
4. Print
5. Permalink
6. Citation
7. EasyBib
8. EndNote
9. RefWorks
10. Delicious
11. Export RIS
12. Export BibTeX

Title:
A semiparametric linear transformation model to estimate causal effects for survival data
Author: Lin, Huazhen ; Li, Yi ; Jiang, Liang ; Li, Gang
Subjects: Asymptotic properties ; Cox proportional hazard model ; Effectiveness studies ; Estimates ; Estimation bias ; Estimation methods ; Estimators ; Linear transformations ; Mathematical functions ; Mathematical independent variables ; Mathematical models ; Mathematical transformations ; Modeling ; Parameter estimation ; Primary 62G08 ; Regression ; Regression analysis ; secondary 62N01 ; Selective compliance ; semiparametric linear transformation model ; Simulation ; Statistical estimation ; Statistical variance ; Statistics ; Survival ; Survival analysis ; survival data ; Transformations
Is Part Of: Canadian journal of statistics, 2014-03, Vol.42 (1), p.18-35
Description: Semiparametric linear transformation models serve as useful alternatives to the Cox proportional hazard model. In this study, we use the semiparametric linear transformation model to analyze survival data with selective compliance. We estimate regression parameters and the transformation function based on pseudo-likelihood and a series of estimating equations. We show that the estimators for the regression parameters and transformation function are consistent and asymptotically normal, and both converge to their true values at the rate of n–1/2, the convergence rate expected for a parametric model. The practical utility of the methods is confirmed via simulations as well as an application of a clinical trial to evaluate the effectiveness of sentinel node biopsy in guiding the treatment of invasive melanoma. Les modèles semi-paramétriques de transformation linéaire constituent des solutions de rechange utiles au modèle à risques proportionnels de Cox. Dans cet article, les auteurs utilisent un modèle semiparamétrique de transformation linéaire pour analyser des données de survie affichant une observance sélective. Les auteurs estiment les paramètres de régression et la fonction de transformation de ce modèle au moyen de la pseudo-vraisemblance et d'une série d'équations d'estimation. Ils montrent que ces estimateurs convergent et sont asymptotiquement normaux. Leur vitesse de convergence de n–1/2 correspond au taux attendu dans un modèle paramétrique. L'utilité pratique des méthodes est confirmée à l'aide de simulations et d'une application à un essai clinique visant à évaluer l'efficacité d'une biopsie des ganglions sentinelles dans le choix d'un traitement pour un mélanome invasif.
Publisher: Ottawa: Blackwell Publishing Ltd
Language: English
Identifier: ISSN: 0319-5724
EISSN: 1708-945X
DOI: 10.1002/cjs.11198
PMID: 31660001
Source: Alma/SFX Local Collection

Back to results list


INSPIRE LIBRARY - TON DUC THANG UNIVERSITY	(84-028) 37 755 057	Feedback
19 Nguyen Huu Tho St. Dist.7, HCM	thuvien@tdtu.edu.vn	Feedback

A semiparametric linear transformation model to estimate causal effects for survival data

2014 Statistical Society of Canada/Société statistique du Canada ;2013 Statistical Society of Canada/Société statistique du Canada ;Copyright Statistical Society of Canada Mar 2014 ;ISSN: 0319-5724 ;EISSN: 1708-945X ;DOI: 10.1002/cjs.11198 ;PMID: 31660001

Searching Remote Databases, Please Wait