Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:1204.5724v1

帮助 | 高级搜索

统计学 > 方法论

arXiv:1204.5724v1 (stat)
[提交于 2012年4月25日 ]

标题: 非参数生存分析和基于Dempster-Shafer分析的疫苗效果

标题: Nonparametric survival analysis and vaccine efficacy using Dempster-Shafer analysis

Authors:Paul T. Edlefsen, Arthur P. Dempster
摘要: 我们引入了非参数DS推断在任意单变量CDF上的扩展,以处理一些失效时间是(右)删失的情况,然后将其应用于评估关于两个总体相对风险的声明的证据问题。 该方法使得可以探索生存分析对缺失数据过程和失效过程假设独立性的敏感性。 我们展示了一个部分有效的RV144(HIV-1)疫苗试验的应用,并表明疫苗效果结论的强度取决于对失访受试者最大失效率的假设。
摘要: We introduce an extension of nonparametric DS inference for arbitrary univariate CDFs to the case in which some failure times are (right)-censored, and then apply this to the problem of assessing evidence regarding assertions about relative risks across two populations. The approach enables exploration of the sensitivity of survival analyses to assumed independence of the missing data process and the failure proces. We present an application to the partially efficacious RV144 (HIV-1) vaccine trial, and show that the strength of conclusions of vaccine efficacy depend on assumptions about the maximum failure rates of the subjects lost-to-followup.
评论: 这是一个不完整的草稿(缺少参考文献、结果)
主题: 方法论 (stat.ME) ; 应用 (stat.AP)
引用方式: arXiv:1204.5724 [stat.ME]
  (或者 arXiv:1204.5724v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.1204.5724
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Paul T Edlefsen [查看电子邮件]
[v1] 星期三, 2012 年 4 月 25 日 18:12:50 UTC (31 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2012-04
切换浏览方式为:
stat
stat.AP

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号