The case-cohort study design is widely used to reduce cost when collecting expensive covariates in large cohort studies with survival or competing risks outcomes. A case-cohort study data set consists of two parts: i) a random sample; and ii) all cases or failures from a specific cause of interest. Clinicians often assess covariate effects on competing risks outcomes. The proportional subdistribution hazards model of Fine and Gray (1999) directly evaluates the effect of a covariate on the cumulative incidence function. They studied the asymptotic distribution of the estimators under the non-covariate-dependent censoring assumption for the full cohort study. However, the non-covariate-dependent censoring assumption is often violated in many biomedical studies. In this paper, we propose a proportional subdistribution hazards model for case-cohort studies with stratified data with covariate-adjusted censoring weight. We further propose an efficient estimator when extra information from the other causes is available under case-cohort studies. The proposed estimators are shown to be consistent and asymptotically normal. Simulation studies show (i) the proposed estimator is unbiased when the censoring distribution depends on covariates; and (ii) the proposed efficient estimator gains estimation efficiency when using extra information from the other causes. We analyze a bone marrow transplant data set and a coronary heart disease data set using the proposed method.

中文翻译：

---

用于病例队列研究的具有协变量调整删失权重的分层比例子分布风险模型

当在具有生存或竞争风险结果的大型队列研究中收集昂贵的协变量时，病例队列研究设计被广泛用于降低成本。病例队列研究数据集由两部分组成：i) 随机样本；和 ii) 特定原因引起的所有案例或失败。临床医生经常评估对竞争风险结果的协变量影响。Fine 和 Gray (1999) 的比例子分布风险模型直接评估协变量对累积关联函数的影响。他们在非协变量依赖审查假设下研究了全队列研究的估计量的渐近分布。然而，在许多生物医学研究中经常违反非协变量依赖的审查假设。在本文中，我们为案例队列研究提出了一个比例子分布风险模型，该模型具有具有协变量调整审查权重的分层数据。当在病例队列研究中可以获得来自其他原因的额外信息时，我们进一步提出了一个有效的估计器。建议的估计量被证明是一致的和渐近正态的。模拟研究表明 (i) 当审查分布取决于协变量时，建议的估计量是无偏的；(ii) 当使用来自其他原因的额外信息时，提议的有效估计器获得估计效率。我们使用所提出的方法分析了骨髓移植数据集和冠心病数据集。当在病例队列研究中可以获得来自其他原因的额外信息时，我们进一步提出了一个有效的估计器。建议的估计量被证明是一致的和渐近正态的。模拟研究表明 (i) 当审查分布取决于协变量时，建议的估计量是无偏的；(ii) 当使用来自其他原因的额外信息时，提议的有效估计器获得估计效率。我们使用所提出的方法分析了骨髓移植数据集和冠心病数据集。当在病例队列研究中可以获得来自其他原因的额外信息时，我们进一步提出了一个有效的估计器。建议的估计量被证明是一致的和渐近正态的。模拟研究表明 (i) 当审查分布取决于协变量时，建议的估计量是无偏的；(ii) 当使用来自其他原因的额外信息时，提议的有效估计器获得估计效率。我们使用所提出的方法分析了骨髓移植数据集和冠心病数据集。(ii) 当使用来自其他原因的额外信息时，提议的有效估计器获得估计效率。我们使用所提出的方法分析了骨髓移植数据集和冠心病数据集。(ii) 当使用来自其他原因的额外信息时，提议的有效估计器获得估计效率。我们使用所提出的方法分析了骨髓移植数据集和冠心病数据集。