论文部分内容阅读
Cox比例风险模型是在处理生存分析相关问题时的常用模型. 而Cox比例风险治愈率模型, 也称 Logistic/Cox 比例风险混合模型, 是对调查群体中存在部分个体被治愈而部分个体被感染时所提出的,是对Cox比例风险模型在含有治愈部分情况下的补充. 在临床研究中,由于测量成本或者测量难度等原因,通常会存在协变量部分缺失的问题. 协变量缺失情况下,往往会对带有协变量信息,而测量成本更低或测量难度更低的辅助变量进行测量,可认为是协变量的一个不精确观测. 本文基于Cox比例风险治愈率模型的基本假定, 在协变量部分缺失的情况下, 利用辅助变量的信息构建了诱导的Cox比例风险治愈率模型,提出了一个基于全似然函数、采用MCEM算法和轮廓似然技术的极大似然估计方法. 模拟实验结果表明本文所提方法在有限样本下具有较为优良的表现.