Resumen

El diseño de caso-cohorte es un método de muestreo sesgado. Debido a su rentabilidad y significado teórico, este diseño tiene un amplio valor de aplicación en muchos estudios de cohorte grandes. Los datos de caso-cohorte incluyen una subcohorte muestreada al azar de toda la cohorte y todos los sujetos fallidos fuera de la subcohorte. En este documento, se considera el ajuste para las covariables distorsionadas en los datos de caso-cohorte en el modelo de Cox. De acuerdo con los métodos ajustables existentes de covariables distorsionadas para modelos lineales y no lineales, proponemos estimar las funciones distorsionadoras mediante la regresión no paramétrica de las covariables distorsionadas en los factores distorsionadores; luego, los estimadores de los parámetros se obtienen utilizando las covariables estimadas. Se completa la prueba de consistencia y de ser asintóticamente normal. Para calcular las estimaciones de máxima verosimilitud de los coeficientes de regresión en el modelo de Cox,

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Diseño de subcohorte; Método de muestreo sesgado; Ajuste; Covariables distorsionadas; Modelo de Cox; Estimadores
• Keywords:Case-cohort design; Biased sampling method; Adjustment; Distorted covariates; Coxs model; Estimators