傳統的存活分析方法大多用於估計單一次事件(例如：死亡，得病等)的存活率，但是在臨床研究上，有些存活資料屬於復發事件(recurrent event)；例如，同一個體(subject)在追蹤時間(follow-up time)內某種症狀發生的次數及其發生時間的資料，或是嚴重憂鬱的發生次數及發生時間。當然，以傳統的存活分析的觀點，可以僅看”第一次”復發事件的存活分析，但很明顯的缺點是忽略了其他復發事件發生的訊息。
多次復發存活資料常見的分析方法爲以計數過程(counting process)爲基本想法的模型，如Andersen-Gill model(1982), Prentice-Williams-Petersen model(1981)：前者爲獨立增量的假設，後者爲條件模式(conditional model) 。一般而言，Andersen-Gill model較容易用來進行推論，但其缺點爲對於同一個體，不同區間的復發事件之間的相關性，並沒有特別的處理。目前較常見用來分析復發事件存活資料的統計軟體爲SAS, R。
Reference:
P. K. Andersen and R. D. Gill. (1982). Cox's Regression Model for Counting Processes: A Large Sample Study. Ann. Statist. Volume 10, Number 4.
文章標籤
全站熱搜
留言列表
