Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Comparison of Parametric and Semiparametric Survival Regression Models with Kernel Estimation

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F21%3A00541888" target="_blank" >RIV/67985807:_____/21:00541888 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/00209805:_____/21:00078578 RIV/00216224:14310/21:00121410

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1080/00949655.2021.1906875" target="_blank" >http://dx.doi.org/10.1080/00949655.2021.1906875</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1080/00949655.2021.1906875" target="_blank" >10.1080/00949655.2021.1906875</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Comparison of Parametric and Semiparametric Survival Regression Models with Kernel Estimation

  • Popis výsledku v původním jazyce

    The modelling of censored survival data is based on different estimations of the conditional hazard function. When survival time follows a known distribution, parametric models are useful. This strong assumption is replaced by a weaker in the case of semiparametric models. For instance, the frequently used model suggested by Cox is based on the proportionality of hazards. These models use non-parametric methods to estimate some baseline hazard and parametric methods to estimate the influence of a covariate. An alternative approach is to use smoothing that is more flexible. In this paper, two types of kernel smoothing and some bandwidth selection techniques are introduced. Application to real data shows different interpretations for each approach. The extensive simulation study is aimed at comparing different approaches and assessing their benefits. Kernel estimation is demonstrated to be very helpful for verifying assumptions of parametric or semiparametric models and is able to capture changes in the hazard function in both time and covariate directions.

  • Název v anglickém jazyce

    Comparison of Parametric and Semiparametric Survival Regression Models with Kernel Estimation

  • Popis výsledku anglicky

    The modelling of censored survival data is based on different estimations of the conditional hazard function. When survival time follows a known distribution, parametric models are useful. This strong assumption is replaced by a weaker in the case of semiparametric models. For instance, the frequently used model suggested by Cox is based on the proportionality of hazards. These models use non-parametric methods to estimate some baseline hazard and parametric methods to estimate the influence of a covariate. An alternative approach is to use smoothing that is more flexible. In this paper, two types of kernel smoothing and some bandwidth selection techniques are introduced. Application to real data shows different interpretations for each approach. The extensive simulation study is aimed at comparing different approaches and assessing their benefits. Kernel estimation is demonstrated to be very helpful for verifying assumptions of parametric or semiparametric models and is able to capture changes in the hazard function in both time and covariate directions.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10103 - Statistics and probability

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LM2018125" target="_blank" >LM2018125: Banka klinických vzorků</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Journal of Statistical Computation and Simulation

  • ISSN

    0094-9655

  • e-ISSN

    1563-5163

  • Svazek periodika

    91

  • Číslo periodika v rámci svazku

    13

  • Stát vydavatele periodika

    GB - Spojené království Velké Británie a Severního Irska

  • Počet stran výsledku

    23

  • Strana od-do

    2717-2739

  • Kód UT WoS článku

    000638231000001

  • EID výsledku v databázi Scopus

    2-s2.0-85104074971