張淑惠臺灣大學：流行病學研究所黃照洋Huang, Chou-YangChou-YangHuang2007-11-272018-06-292007-11-272018-06-292004http://ntur.lib.ntu.edu.tw//handle/246246/56143復發事件資料常見於長期追蹤的研究，例如慢性病病人的重複住院以及交通事故一再的發生。在復發事件資料的收集中，免去等待首次事件的發生，而收集特定事件發生在截切日期之後的樣本，再加以回溯其首次事件的發生日期所得到的左截切資料是一種常見的資料型態，此種資料收集的方法能縮短從首次事件到最近一次特定事件之間的追蹤時間；然而這樣的資料收集方法只能收集到那些特定事件發生在研究開始之後的資料，是一個有偏的樣本。在截切資料的研究中，通常假設截切時間與事件發生時間獨立，然而這樣的假設在很多情況下是不合理的。本文將會針對左截切的復發事件資料型態，在相依截切的情況下估計累積發生率(cumulative rate function)。 最後則是利用模擬的方法，探討本文對累積發生率的估計式以及累積發生率的naive estimator在不同相依截切的情形下與真值的差異。Recurrent events data are usually encountered in longitudinal studies, like the re-hospitalization of the patient and the re-happening of the traffic accidents. In collecting recurrent events data, one of the popular way is that we don’t have to wait the recurrence of the first event in a short period of time but collect the sample who had their specific event after the beginning of the study. Data collected in this way is called the truncated data. Although it can shorten the time used in data collection , but it’s a biased data because the sample who had their specific event before the beginning of the study will be truncated. Non-informative truncation is usually assumed in analyzing truncated data, but it’s unrealistic in many situations. In this article, we will estimate the cumulative rate function under informative truncation. At last, we will use simulation to find out the difference in estimating the cumulative rate function under informative truncation by our method and the naive method.目錄 第一章 導論 第一節 研究背景……………………………………P.5 第二節 研究動機……………………………………P.8 第二章 文獻回顧 第一節 相依設限資料下對累積發生率以及迴歸參數之 估計，並對潛在變數做分布的假設…………………P.11 第二節 相依設限資料下對累積發生率以及迴歸參數 估計，並對潛在變數不做分布的假設………………P.16 第三章 方法…………………………………………P.20 第四章 模擬及分析…………………………………P.24 第五章 結果與討論………………………………P.35 附錄……………………………………………………P.36 參考文獻………………………………………………P.441465191 bytesapplication/pdfen-US左截切累積發生率left truncationcumulative rate function[SDGs]SDG3thesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/56143/1/ntu-93-R91842023-1.pdf