African Journal of Applied Statistics

Modelling Clustered Survival Data with Competing Risks

Olubimpe Mercy OLADUTI and Benjamin Agboola OYEJOLA

Full-text: Access denied (no subscription detected)

We're sorry, but we are unable to provide you with the full text of this article because we are not able to identify you as a subscriber. If you have a personal subscription to this journal, then please login. If you are already logged in, then you may need to update your profile to register your subscription. Read more about accessing full-text

Abstract

The classical Cox proportional hazards model is the most popular semiparametric model commonly used to assess the effects of risk factors in a homogeneous population for continuous survival time data. It is however based on the assumption that survival times are untied. Discrete-time logit model has been widely applied to survival time data in order to handle ties when there is a single cause for the event occurring. There are situations when an individual is at risk of experiencing several risks of failure and only the first of them is observed. In this study, binary logit model for competing risk with mixture of baseline hazard functions for clustered discrete-time data is proposed.

Résumé

La méthode des risques proportionnels de Cox est la méthode semi-paramétrique la plus populaire qui est utilisée pour établir les risques dûs aux facteurs en jeu dans une population homogène dans l'analyse de survie avec un temps continu. Cependant, cette méthode repose sur l'hypothèse que les temps de survie ne peuvent se répéter. La méthode logit basée sur un temps discret a été largement appliquée pour gérer les égalités de temps de survie s'il y a une seule cause génératrice des évènements. Dans certaines situations, un individu peut être à risque selon plusieurs facteurs et souvent seule la survenance du premier échec est pris en compte. Dans ce papier, le modèle logit binaire pour des risques compétitifs, reposant sur des mélanges des fonction de risques pour des données en grappes est étudié selon un temps discret.

Article information

Source
Afr. J. Appl. Stat., Volume 6, Number 1 (2019), 519-535.

Dates
First available in Project Euclid: 17 May 2019

Permanent link to this document
https://projecteuclid.org/euclid.ajas/1558059077

Digital Object Identifier
doi:10.16929/ajas/2019.519.228

Subjects
Primary: 62Nxx: Survival analysis and censored data 62J12: Generalized linear models

Keywords
Cox model discrete-time logit model competing risks clustered simulation study

Citation

OLADUTI, Olubimpe Mercy; OYEJOLA, Benjamin Agboola. Modelling Clustered Survival Data with Competing Risks. Afr. J. Appl. Stat. 6 (2019), no. 1, 519--535. doi:10.16929/ajas/2019.519.228. https://projecteuclid.org/euclid.ajas/1558059077


Export citation