Model konkurentnih rizika Fine-Gray
Model Fine-Gray je semiparametrijska regresiona metoda za podatke o preživljavanju u kojoj se dva ili više međusobno isključivih tipova događaja takmiče da se prvi dogode. Predložen od strane Fine-a i Gray-a 1999. godine, modeluje subdistribucioni hazard svakog tipa događaja direktno, dozvoljavajući da se kovarijate povežu sa kumulativnom funkcijom incidence (CIF) — kvantitetom koji zapravo odgovara na pitanje 'koja je verovatnoća doživljavanja događaja tipa k do vremena t?'. On ispravlja dobro poznati nedostatak standardne Coxove regresije, koja ignoriše konkurentne događaje i time precenjuje verovatnoće specifične za uzrok.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Fine, J.P. & Gray, R.J. (1999). A Proportional Hazards Model for the Subdistribution of a Competing Risk. Journal of the American Statistical Association, 94(446), 496–509. DOI: 10.1080/01621459.1999.10474144 ↗
- Austin, P.C. et al. (2016). Introduction to the Analysis of Survival Data in the Presence of Competing Risks. Circulation, 133(6), 601–609. DOI: 10.1161/CIRCULATIONAHA.115.017719 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Fine-Gray Proportional Subdistribution Hazards Model. ScholarGate. https://scholargate.app/sr/statistics/fine-gray-competing-risks
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Koksov model proporcionalnih hazardaEpidemiologija↔ compare
- Процењивач опстанка Каплана-МејераAnaliza preživljavanja↔ compare
- Log-rank test za poređenje krivih preživljavanjaAnaliza preživljavanja↔ compare
- Fleksibilni parametarski model preživljavanja (Royston-Parmar)Analiza preživljavanja↔ compare
- Koxova regresija sa kovarijatama koje zavise od vremenaAnaliza preživljavanja↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →