fa مدل سازی پیشامدهای بازگردنده تحت مخاطره رقابتی، همراه با پیشامد بدون بازگشت آمار حیاتی Biostatistics كاربردي و توسعه ای Applied <div style="direction: rtl; text-align: justify;">در این مقاله برای تحلیل بقای داده های حاصل از پیشامد بازگردنده و مخاطره رقابتی، یک مدل نیمه پارامتری ضربی جمعی برای تابع نرخ&nbsp;مخاطره&nbsp;درنظر&nbsp;گرفته&nbsp;شده است که دارای یک تابع مخاطره پایه نامعلوم است. مدل شامل ضرایب رگرسیونی برای متغیرهای کمکی موثر در شکست و متغیر شکنندگی جهت بیان همبستگی بین فرایند پیشامد انتهایی و پیشامد بازگردنده است و قابلیت تحلیل داده هایی با سانسور راست و سانسور آگاهنده را دارد. برای بیشینه کردن تابع درستنمایی به روش درستنمایی محلی، از روش عددی و از بسط سری تیلور برای برازش مخاطره پایه استفاده شده&nbsp;است.&nbsp;در&nbsp;نهایت&nbsp;با&nbsp;شبیه سازی، روش تایید شده و مدل معرفی شده روی داده های واقعی، به کار رفته و پارامترها برآورد شده اند</div> <div style="text-align: justify;">A semiparametric additive-multiplicative intensity function for recurrent events data under two competing risks have been supposed in this paper. The model contains unknown baseline hazard function that defined separately intensity function for different competing risks effects on subjects failure. The presented model is based on regression parameters for effective covariates and frailty variable which describe correlation between terminal event and recurrent events and personal difference of under study subjects. The model support right censored and informative censored survival data. For estimating unknown parameters, numerical methods have been used and baseline hazard parameters are approximated using Taylor series expansion. A simulation study and application of the model to the bone marrow transplantation data are performed to illustrate the performance of the proposed model.</div> مدل نیمه پارامتری, تابع نرخ مخاطره, مخاطره پایه, پیشامد بازگردنده, مخاطره رقابتی, سانسور آگاهنده, پیشامد انتها Semiparametric Model, Intensity Function, Baseline Hazard Function, Recurrent Event Data, Competing Risks, Frailty Variable 57 74 http://jss.irstat.ir/browse.php?a_code=A-10-73-3&slc_lang=fa&sid=1 Ali Sharifi علی شریفی a.sharifi67@hotmail.com 10031947532846006340 10031947532846006340 No Department of Statistics, Razi University, Kermanshah, Iran. گروه آمار، دانشگاه رازی کرمانشاه SeyedReza Hashemi سیدرضا هاشمی r.hashemi@razi.ac.ir 10031947532846006341 10031947532846006341 Yes Department of Statistics, Razi University, Kermanshah, Iran. گروه آمار، دانشگاه رازی کرمانشاه