Key points are not available for this paper at this time.
Dieses Papier befasst sich mit allgemeiner rechter Zensur und einigen der Schwierigkeiten, die sie bei der Analyse von Überlebensdaten verursacht. Eine allgemeine Formulierung von zensierten Überlebensprozessen führt zur Unterteilung aller Modelle in solche, die auf nichtinformierender und informierender Zensur basieren. Fast alle statistischen Methoden für zensierte Daten gehen davon aus, dass die Zensur nicht informierend ist. Zu den betrachteten Themen in dieser Klasse gehören: die Beziehungen zwischen drei Modellen für nichtinformierende Zensur, die Verwendung von Likelihood-Methoden zur Ableitung von Annahmen über die Verteilung der Überlebenszeit, die Auswirkungen der Zensur auf das K-Probleme und die Auswirkungen der Zensur auf Modelltets. Außerdem werden mehrere Themen berücksichtigt, die sich auf informierende Zensurmodelle beziehen. Dazu gehören: Probleme der Nichtidentifizierbarkeit, die auftreten können, wenn versucht wird, einen Datensatz hinsichtlich der Art der wirksamen Zensur zu bewerten, die Folgen einer fälschlichen Annahme, dass die Zensur nicht informierend ist, und Klassen von informierenden Zensurmodellen.
Stephen W. Lagakos (Thu,) hat diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: