根据世界卫生组织的数据，60岁以上的老年人中，超过46%存在失能情况，其中超过2.5亿人患有中度至重度失能。研究老年失能的一个重要挑战是高死亡率。死亡会大幅缩短失能的观测时间，但反之不会。我们把这种单方向竞争数据称为半竞争风险数据。在半竞争风险数据中，由于死亡与失能高度相关，传统生存方法（例如Cox回归模型）并不适用。为了有效估计和推断失能进展及其影响因素，必须考虑半竞争风险数据中失能与死亡之间的相关性。此外，由于失能随访研究大多采用间隔调查方式，导致失能观测时间面临复杂删失问题，这进一步增加了统计建模的难度。

为了解决复杂删失半竞争风险数据的统计建模问题，我院王晓军教授团队建立了一种灵活的基于双参数copula的半参数转换模型。双参数copula量化了失能分布和死亡分布之间的上下尾部相关关系，半参数转换模型涵盖了一系列经典的生存模型假设。该研究进一步提出了sieve极大似然估计方法，证明了估计量的统计性质，并将该方法应用于一项中国大规模老年失能纵向数据，为预防老年失能提供了新的见解。相关论文发表于医学统计权威学术期刊《Statistical Methods in Medical Research》。