Semiparametric transformation models for multivariate panel count data with dependent observation process

• Published in: Canadian journal of statistics Vol. 39; no. 3; pp. 458 - 474
• Main Authors: Li, Ni, Park, Do-Hwan, Sun, Jianguo, Kim, KyungMann
• Format: Journal Article
• Language: English
• Published: Hoboken, USA John Wiley & Sons, Inc 01.09.2011; Statistical Society of Canada; Wiley Subscription Services, Inc
• Subjects: Cancer; Chemoprevention; Computer simulation; Consistent estimators; Counting; Counting processes; Estimation bias; Inference; Information relevance; Mathematical models; MSC 2010: Primary 62N02; multivariate data analysis; panel count data; Panels; Parameter estimation; Point estimators; Preventive medicine; Recurrent; Recurrent events; Regression; Regression analysis; secondary 62G05; Simulation; Skin cancer; Skin cancers; Squamous cell carcinoma; Statistical bias; Statistics; Studies; Transformation; transformation models; Transformations
• ISSN: 0319-5724; 1708-945X; 1708-945X
• DOI: 10.1002/cjs.10118

This article discusses regression analysis of multivariate panel count data in which the observation process may contain relevant information about or be related to the underlying recurrent event processes of interest. Such data occur if a recurrent event study involves several related types of recurrent events and the observation scheme or process may be subject-specific. For the problem, a class of semiparametric transformation models is presented, which provides a great flexibility for modelling the effects of covariates on the recurrent event processes. For estimation of regression parameters, an estimating equation-based inference procedure is developed and the asymptotic properties of the resulting estimates are established. Also the proposed approach is evaluated by simulation studies and applied to the data arising from a skin cancer chemoprevention trial. Cet article discute de l'analyse de régression pour les données panels multidimensionnelles de dénombrement pour lesquelles le processus observationnel peut contenir de l'information sur le processus des événements récurrents sous-jacents. De telles données se produisent lorsque l'étude des événements récurrents implique plusieurs types d'événements et que le processus ou schéma observationnel peut dépendre des sujets. Pour ce problème, une classe de modèles semi-paramétriques de transformation est présentée ce qui permet une grande flexibilité pour modéliser l'effet des covariables sur le processus des événements récurrents. Pour l'estimation des paramètres de régression, nous développons une procédure d'inférence basée sur des équations d'estimation et nous obtenons aussi les propriétés asymptotiques des estimateurs résultants. Finalement, l'approche proposée est évaluée à l'aide d'études de simulation et nous l'appliquons à des données provenant d'un essai sur la chimioprévention du cancer de la peau.