Doppelt zensierte Daten treten häufig in pharmakologischen und epidemiologischen Studien auf, in denen die Ausfallzeit nur innerhalb eines bestimmten Bereichs beobachtet werden kann und ansonsten entweder links- oder rechtszensiert ist. In diesem Papier präsentieren wir einen bayesischen Ansatz zur Analyse von doppelt zensierten Überlebensdaten mit überkreuzten Überlebenskurven. Wir stellen ein neuartiges Pseudo-Quantil I-Splines-Prior vor, um monotone Transformationen sowohl unter zufälligen als auch unter festen Zensierungsmechanismen zu modellieren. Darüber hinaus integrieren wir kategoriale Heteroskedastizität mithilfe des abhängig Dirichlet-Prozesses (DDP), wodurch die Schätzung überkreuzter Überlebenskurven ermöglicht wird. Umfassende Simulationen validieren zudem die Robustheit und Genauigkeit der Methode, insbesondere unter dem festen Zensierungsschema, wo traditionelle Ansätze möglicherweise NICHT anwendbar sind. In der randomisierten AIDS-Klinikstudie, durch Integration der kategorialen Heteroskedastizität, erhalten wir eine neue Erkenntnis, dass der Effekt von Baseline-Log-RNA-Niveaus signifikant ist. Der vorgeschlagene Rahmen bietet ein flexibles und zuverlässiges Werkzeug für die Überlebensanalyse und bietet eine Alternative zu parametrischen und semiparametrischen Modellen.
Xu et al. (2025) haben diese Frage untersucht.