Marginal Semiparametric Accelerated Failure Time Cure Model for Clustered Survival Data
We present a marginal semiparametric accelerated failure time mixture cure model for clustered right-censored failure time data with a potential cure fraction. We overcome the complexity of the existing semiparametric method by proposing a generalized estimating equations approach based on the EM algorithm to estimate the regression parameters in the model. The correlation structures within clusters are modeled by working correlation matrices in the proposed generalized estimating equations. The large sample properties of the estimators are established. Numerical studies demonstrate that the proposed estimation method is easy to use and robust to the misspecification of working matrices and that higher efficiency is achieved when the working correlaion structure is closer to the true correlation structure. We apply the proposed model and method to a contralateral breast cancer study and reveal new insights when the potential correlation between patients is taken into account.
Modèle semi-paramétrique marginal de guérison à temps de défaillance accéléré pour les données de survie groupées
Nous présentons un modèle semi-paramétrique marginal de guérison mixte à temps de défaillance accéléré pour les données de temps de défaillance en grappes censurées à droite avec une fraction de guérison potentielle. Nous surmontons la complexité de la méthode semi-paramétrique existante en proposant une approche d'équations d'estimation généralisées basée sur l'algorithme EM pour estimer les paramètres de régression du modèle. Les structures de corrélation au sein des grappes sont modélisées par des matrices de corrélation fonctionnelles dans les équations d'estimation généralisées proposées. Les propriétés des estimateurs pour les grands échantillons sont établies. Des études numériques démontrent que la méthode d'estimation proposée est facile à utiliser, qu'elle résiste à la mauvaise spécification des matrices opérationnelles et qu'une plus grande efficacité est obtenue lorsque la structure de corrélation fonctionnelle est plus proche de la vraie structure de corrélation. Nous appliquons le modèle et la méthode proposés à une étude sur le cancer du sein controlatéral et révélons de nouvelles perspectives lorsque la corrélation potentielle entre les patients est prise en compte.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais