We observe a quarter million people over a period of nine years and are interested in the effect of a stroke on the probability of dementia onset. Randomly left-truncated has a person been that was already deceased before the period. The ages at a stroke event or dementia onset are conditionally fixed right-censored, when either event may still occur, but after the period. We incorporate death and model the history of the three events by a homogeneous Markov process. The compensator for the respective counting processes is derived and Jacod's formula yields the likelihood contribution, conditional on observation. An Appendix is devoted to the role of filtrations in deriving the likelihood, for the simplification of merged non-dead states. Asymptotic normality of the estimated intensities is derived by martingale theory, relative to the size of the sample including the truncated persons. The data of a German health insurance reveals that after a stroke, the intensity of dementia onset is increased from 0.02 to 0.07, for Germans born in the first half on the 20th century. The intensity difference has a 95%-confidence interval of [0.048,0.051] and the difference halves when we extent to an age-inhomogeneous model due to Simpson's paradox.


翻译:在9年的时间里,我们观察了25万人口,并且对中风对痴呆发作概率的影响感兴趣。 随机左转的人在这段时间之前已经去世了。 中风或痴呆发作的年龄是有条件的固定的右检查年龄, 当任一事件可能仍然发生时, 但是在这段时期之后。 我们用一个单一的Markov 程序将死亡和三个事件的历史模型纳入其中。 分别计算过程的补偿者是推算出来的, Jacod 的公式以观察为条件, 产生可能的贡献。 附录专门说明过滤作用的作用, 以简化合并的非死状态为条件。 估计的强度的常态性是有条件的固定的, 与样本的大小相比, 包括被挤压的人。 德国健康保险的数据表明, 中风后, 痴呆发作的强度从0.02 上升到0.0 。 对于20世纪上半出生的德国人来说, 其作用是过滤作用的作用。 强烈性差异在20世纪前半的德国人之间, 程度为95. 0 之间的信任度 。

0
下载
关闭预览

相关内容

专知会员服务
84+阅读 · 2020年12月5日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
20+阅读 · 2020年6月8日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
4+阅读 · 2018年5月24日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
6+阅读 · 2018年1月29日
VIP会员
相关资讯
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
相关论文
Arxiv
14+阅读 · 2020年12月17日
Arxiv
20+阅读 · 2020年6月8日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
4+阅读 · 2018年5月24日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
6+阅读 · 2018年1月29日
Top
微信扫码咨询专知VIP会员