在本节中，我们将前面各节中提出的估计方法应用于上述讨论的膀胱癌研究产生的面板计数数据.对于每位患者，观察到的信息包括临床就诊或观察时间（以月为单位）以及两次临床就诊之间发生的膀胱肿瘤数量.在开始和就诊时，所有发现的肿瘤均被清除.在这里的分析中，我们将重点关注安慰剂组的47例患者和噻替帕治疗组的38例患者，因为已证明吡哆醇治疗对膀胱肿瘤的复发没有影响.对于这两组患者，观察值范围为1到38，发现新肿瘤的范围为0到9.另外，患者的观察值平均值和发现的新肿瘤分别为8.66和0.70.在安慰剂组中，噻替帕组的患者分别为13.50和0.23.在下面，我们将为安慰剂组的患者定义协变量Z1i＝0，否则为Z1i＝1.数据还包括另一个协变量Z2i，即每个患者进入研究之前的初始肿瘤数.目的是在复发过程中，评估噻替帕治疗效果β1和初始肿瘤数目β2对膀胱肿瘤复发过程的影响以及观察史的影响（α）.
为了应用提出的推断程序，我们假设膀胱肿瘤的探访或观察过程和复发过程可以分别用模型（2.2.1）和（2.2.2）描述.关于函数g，考虑了三个选择，分别是g（t）＝t，g（t）＝t2和g（t）＝log t.对于前两个选择，我们将Yi（t）定义为直到时间t为止观察到的膀胱肿瘤的累计数量，而对于第三个选择，将Yi（t）设置为直到时间t＋1观察到的累计数量的自然对数，以避免0.关于函数H（Fit），我们考虑了两种情况.一个是H（Fit）＝Ni（t-），假设膀胱肿瘤的复发率可能取决于患者就诊的总数，另一个是H（Fit）＝Ni（t-）-Ni（t-6），这意味着复发率可能仅取决于患者在此期间的就诊次数前六个月的时间.后一种选择的动机是，有时是最近的访问可能会携带有关响应变量的信息.在两种情况下，我们取W（t）＝1.
表2.4给出了在H（Fit）＝Ni（t-）的情况下，通过估计三个回归参数获得的结果，以及基于H（Fit）＝Ni（t-）-Ni（t-6）的结果在表2.5中显示.它们包括点估计，估计的标准误差（SE）以及估计的95%置信区间（CI）.在两个表中的结果表明，噻替帕治疗显著地降低了膀胱肿瘤的复发率，并且复发率也与膀胱肿瘤的初始数目成正相关.有趣的是，估计治疗效果和初始肿瘤的结果在功能g和H（Fit）方面似乎是一致的.就膀胱肿瘤的复发过程和就诊过程之间的关系而言，似乎膀胱肿瘤的复发率显著取决于最近六个月的就诊总数和就诊次数.但是，过去六个月的访问次数似乎产生了更大的影响.总而言之，以上分析表明，在调整了依赖的就诊过程后，该治疗对降低膀胱肿瘤的复发具有重要作用.如前所述，He等（2009），Huang等（2006）和Sun等（2007a）还分析了这里的数据.前两者对治疗效果给出了相似的结论，而Sun等（2007a）没有考虑治疗效果.
表2.4 在H（Fit）＝Ni（t-）下对于膀胱肿瘤研究的回归参数的估计(www.xing528.com)
表2.5 在H（Fit）＝Ni（t-）-Ni（t-6）下对于膀胱肿瘤研究的回归参数的估计
对于此处的分析，我们还执行了第3节中给出的拟合优度测试过程.例如，使用H（Fit）＝Ni（t-）和上面考虑的三个g函数，我们基于sup0≤t≤τ，x|
（t，x）|的1000个实现分别获得了p值0.546，0.550和0.161.这些结果表明，对于所观察到的数据，所有三个功能似乎都是合理的，尤其是前两个功能.对于H（Fit）＝Ni（t-）-Ni（t-6）得到类似的结论.
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
