Resumen Con covariables explicativas, el análisis estándar de los datos de riesgos competitivos implica modelar las funciones de riesgo específicas de la causa a través de una suposición de riesgos proporcionales. Desafortunadamente, la función de riesgo específica de la causa no tiene una interpretación directa en términos de probabilidades de supervivencia para el tipo de falla particular. En los últimos años, muchos clínicos han comenzado a utilizar la función de incidencia acumulada, las probabilidades de falla marginales para una causa particular, que es intuitivamente atractiva y más fácilmente explicada al no estadístico. La incidencia acumulada es especialmente relevante en los análisis de costo-efectividad en los que se necesitan probabilidades de supervivencia para determinar la utilidad del tratamiento. Anteriormente, los autores han considerado métodos para combinar estimaciones de las funciones de riesgo específicas de la causa bajo la formulación de riesgos proporcionales. Sin embargo, estos métodos no permiten al analista evaluar directamente el efecto de una covariable en la función de probabilidad marginal. En este artículo, proponemos un nuevo modelo de riesgos proporcionales semiparamétrico para la subdistribución. Utilizando el principio de verosimilitud parcial y técnicas de ponderación, derivamos procedimientos de estimación e inferencia para el parámetro de regresión de dimensión finita bajo una variedad de escenarios de censura. Damos un estimador uniformemente consistente para la incidencia acumulada predicha para un individuo con ciertas covariables; los intervalos de confianza y bandas se pueden obtener analíticamente o con una técnica de simulación fácil de implementar. Para contrastar los dos enfoques, analizamos un conjunto de datos de un ensayo clínico de cáncer de mama bajo ambos modelos. Palabras clave: Riesgo de subdistribución, martingala, verosimilitud parcial, modelo de transformación.
Fine et al. (1999) estudiaron esta cuestión.