Nonparametric relative error estimation of the regression function for censored data
设$ (T_i)_i$是独立同分布（i.i.d.）随机变量分布为$ T$和$(X_i)_i$的感兴趣变量是在$ \mathbb{R}^d$上取值的协变量的对应向量。在审查模型中，r.v. $T$受到另一个r.v. $C$的随机审查。本文对回归函数建立了一种新的基于均方相对误差合成数据的核估计。建立了紧集上带速率的一致几乎必然收敛及其渐近正态性。渐近方差是明确给出的，作为产品，我们给一个置信带。一个模拟研究已经进行安慰我们的理论结果
2019-01-28 math.ST stat.TH
Efficient Estimation of the Additive Risks Model for Interval-Censored Data
与流行的Cox模型（其对至事件危害的时间提供了乘法协变量效应规范）相比，半参数加性风险模型（ARM）提供了有吸引力的加性规范，允许直接评估协变量值变化时风险函数的变化或差异。ARM是一个灵活的模型，允许估计时间无关和随时间变化的协变量。它有一个非参数分量和一个由有限维参数确定的回归分量。本章提出了一种有效的方法，通过minorize-maximize（MM）算法的情况II区间删失数据的非参数和有限维组件的模型的最大似然（ML）估计。我们提出的MM方法的操作特性通过模拟研究进行评估，并通过R包MMIntAdd在乳腺癌数据集上进行说明。预计所提出的计算方法不仅将为ML估计场景提供可扩展性，而且还可以简化其他复杂可能性或模型的计算负担。
2022-03-18 stat.ME
Individualized Treatment Effects with Censored Data via Fully Nonparametric Bayesian Accelerated Failure Time Models
个体通常对相同的治疗有不同的反应，并且表征治疗反应中的这种可变性是个性化医疗实践中的重要目标。在这篇文章中，我们描述了一个非参数加速失效时间模型，可用于分析异质性处理效应（HTE）时，病人的结果是时间到事件。通过利用贝叶斯加性回归树和均值约束Dirichlet过程混合模型，我们的方法提供了一个灵活的模型的回归函数，同时把一些限制的基线风险。我们的非参数方法导致个人处理效应的自然估计，并具有灵活性，以解决许多主要目标的HTE评估。此外，我们的方法需要很少的用户输入的调谐参数选择或子群规范。我们说明了我们提出的方法的优点，详细分析了两个大型临床试验的预防和治疗充血性心力衰竭，使用血管紧张素转换酶抑制剂。分析显示，两项试验中存在大量HTE的证据，如治疗效果的实质性估计变化和高比例患者表现出与总体处理效应不同的处理效应的强有力证据所证明。
2017-06-20 stat.AP stat.ME
Rank estimation for the accelerated failure time model with partially interval-censored data
Sungshin Women’s University（成均馆大学）；Korea University（高丽大学）；Virginia Commonwealth University（弗吉尼亚联邦大学）
本文提出了一种统一的基于秩的推断程序，用于拟合部分区间删失数据下的加速失败时间模型，通过构造Gehan型单调估计函数，提供了一种通用的基于秩的估计函数扩展，并通过线性规划获得估计量，证明其一致性和渐近正态性。
2026-04-11 stat.CO stat.ME
Estimation of the odds ratio in a proportional odds model with censored time-lagged outcome in a randomized clinical trial
在许多COVID-19治疗药物的随机临床试验中，主要结局是一个有序分类变量，关注点集中在比例优势模型假设下的优势比（活性药物与对照药物）。虽然在最终分析时将确定所有受试者的结局，但在中期分析时，可能尚未确定某些受试者的状态，例如，因为直到某个预先指定的随访时间才可能确定结果。因此，这些受试者的结果可以被视为已审查。有效的中期分析可以仅基于那些进行了全面随访的受试者的数据;然而，这种方法效率低下，因为它没有利用中期分析时尚未获得结局的受试者的额外信息。呼吁半参数的理论，我们提出了一个估计的比值比比例优势模型与删失，时滞分类结果，包括额外的基线和时间依赖的协变量信息，并证明它可以导致相当大的收益效率相对于简单的方法。该方法的副产品是基于最终分析时可用的完整数据的协变量调整的比值比估计量。
2021-08-24 stat.ME
Survival trees for left-truncated and right-censored data, with application to time-varying covariate data
树方法（递归划分）是一种流行的非参数数据分析方法。基本树方法的一个扩展是生存树，它将递归划分应用于删失生存数据。现有的几种生存树方法主要是针对右删失数据设计的。本文提出了两种新的左截断右删失数据生存树，它可以看作是传统右删失数据生存树的推广。此外，我们表明，这种树可以用来分析生存数据随时间变化的协变量，基本上建立一个随时间变化的协变量生存树。仿真和实际数据分析结果表明，所提方法分别对LTRC数据和生存数据具有较好的效果。
2016-06-09 stat.ME
A proportional hazards model for interval-censored data subject to instantaneous failures
比例风险（PH）模型可以说是用于分析临床试验和纵向研究等产生的事件发生时间数据的最流行模型之一。在许多这样的研究中，感兴趣的事件时间不是直接观察到的，而是相对于周期性检查时间已知的;即，从业者观察当前状态或区间删失数据。这种结构的数据分析往往充满了许多困难。进一步加剧了这个问题，在一些这样的研究中，观察到的数据也包括瞬时故障;即，几个研究单元的事件时间与研究开始的时间完全一致。鉴于这些困难，这项工作的重点是开发一个混合模型，PH假设下，它可以用来分析区间删失数据的瞬时故障。为了允许建模的灵活性，提出了两种方法来估计未知的累积基线风险函数，被认为是一个完全参数化和单调样条表示。通过引入潜在泊松随机变量的数据增广过程，提出了一种期望最大化（EM）算法来完成模型拟合。所得到的期望最大化算法易于实现并且计算效率高。此外，通过广泛的模拟研究所提出的方法被证明是提供可靠的估计和推理。
2018-04-03 stat.ME
Spearman Rank Correlation Screening for Ultrahigh-dimensional Censored Data
本文提出了一种基于Spearman秩相关的超高维数据截尾筛选方法.该方法不需要指定预测变量或响应变量的任何回归形式，并且在未知的响应变量和预测变量的单调变换下具有鲁棒性.在一定的正则条件下，建立了该系统的确筛性和秩相合性.仿真研究表明，新的筛选方法在存在重尾分布、强相关预测因子或离群值的情况下具有良好的性能，并且与现有的非参数筛选方法相比具有更好的性能。特别地，当在高删失率下观察到响应变量时，新的筛选方法仍然工作良好。给出了一个分析实例。
2022-11-24 stat.ME
Single-index Semiparametric Transformation Cure Models with Interval-censored Data
School of Economics, Jinan University（暨南大学经济学院）；International Center for Interdisciplinary Statistics, School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院交叉统计国际中心）
本文提出了一种灵活的单索引半参数变换治愈模型，用于处理区间删失数据，涵盖比例危险治愈和比例 odds 治愈模型，并通过模拟验证其有效性。
2026-01-18 stat.ME
Predictive Accuracy of Markers or Risk Scores for Interval Censored Survival Data
在文献中广泛讨论了生物标志物对生存结局预测准确性的评估方法，这些方法受右删失的影响。在癌症和其他疾病中，生存结局通常受设计或随访方案的区间删失影响。本文基于非参数筛选极大似然方法，提出了区间删失数据时变受试者工作特征ROC曲线下面积的一个估计。我们建立了所提出的估计的渐近性质，并说明其有限样本性质，使用模拟研究。我们的方法的应用说明使用的数据从癌症临床研究。CRAN上有一个开源的R包来实现所提出的方法。
2018-06-05 stat.ME
Selection of the Optimal Personalized Treatment from Multiple Treatments with Right-censored Multivariate Outcome Measures
我们提出了一种新的个性化的概念，最佳治疗选择的情况下，响应是一个多变量向量，可能包含右删失变量，如生存时间。所提出的方法可以应用于任何数量的治疗和结果变量，在一组广泛的模型。在将协变量和响应联系起来的工作半参数单指数模型之后，我们首先定义了一个由单个协变量构建的患者特定综合评分。然后，我们估计每个响应的条件平均值，给定患者评分，对应于每个治疗，使用非参数平滑估计。接下来，应用等级聚合技术来估计基于由条件平均值给出的治疗性能测量的等级列表的治疗的排序。我们通过将截尾权重的逆概率引入到相应的估计量中来处理右删失数据。实证研究说明了所提出的方法在有限样本问题中的性能。为了显示所提出的程序对真实数据的适用性，我们还使用HIV临床试验数据进行了数据分析，其中包含右删失生存事件作为终点之一。
2022-09-29 stat.ME
Maximum Likelihood Estimation for Semiparametric Transformation Models with Interval-Censored Data
区间删失经常出现在临床、流行病学、金融和社会学研究中，其中已知感兴趣的事件或故障仅发生在由定期监测引起的区间内。我们制定了潜在的时间依赖性协变量的区间删失失效时间的影响，通过广泛的一类半参数转换模型，包括比例风险和比例优势模型。我们考虑这类模型的非参数极大似然估计，其中每个受试者具有任意数量的监测次数。我们设计了一个EM型算法，收敛稳定，即使在存在时间依赖的协变量，并表明回归参数的估计是一致的，渐近正态，渐近有效的一个容易估计的协方差阵。最后，我们证明了我们的程序的性能，通过广泛的模拟研究和应用程序在泰国进行的艾滋病毒/艾滋病研究。
2016-02-27 stat.ME
A Multi-parameter regression model for interval censored survival data
我们开发了灵活的多参数回归生存模型，用于纵向前瞻性研究和纵向随机对照临床试验中的区间删失生存数据。本文主要研究了一类全参数、非比例风险的多参数Weibull回归生存模型。我们描述的基本模型，开发的区间删失的可能性和扩展的模型，包括伽玛脆弱性和分散模型。我们通过模拟研究和信号Tandmobiel $^{\circledR}$研究数据的详细重新分析来评估模型。结果表明，多参数回归模型与脆弱性是计算效率高，并提供了一个很好的拟合数据。
2019-01-28 stat.ME
Quantifying and Estimating the Predictive Accuracy for Censored Time-to-Event Data with Competing Risks
本文的重点是量化和估计预测模型的预测准确性的时间到事件的结果与竞争事件。我们认为，时间依赖的歧视和校准指标，包括接收器的工作特性曲线和Brier评分，在竞争风险的背景下。为了解决删失，我们提出了一个统一的非参数估计框架的歧视和校准措施，通过加权删失的主题与条件概率的观察数据的兴趣事件。我们通过模拟表明，所提出的估计是无偏的，有效的和鲁棒的模型误设定相比，在文献中发表的其他方法。此外，所提出的方法可以扩展到依赖于时间的预测精度度量构造从一般类的损失函数。我们将该方法应用于非裔美国人肾脏疾病和高血压研究的数据集，以评估预后风险评分在预测终末期肾脏疾病（ESRD）中的预测准确性，并考虑到ESRD前死亡的竞争风险。
2017-07-13 stat.ME
Likelihood-Based Inference for Semi-Parametric Transformation Cure Models with Interval Censored Data
本文研究了 BCTM 模型在区间删失数据下的统计特性，通过 EM 算法同时估计所有参数，并用模拟和戒烟研究数据验证了方法的稳健性与准确性。
2023-10-24 stat.CO stat.ME
Nonparametric survival analysis and vaccine efficacy using Dempster-Shafer analysis
我们引入了任意单变量CDF的非参数DS推断的扩展，在这种情况下，一些故障时间（右）-删失，然后将其应用到评估证据的问题，关于两个人口的相对风险的断言。该方法使探索的灵敏度生存分析假设独立的缺失数据过程和失败的过程。我们提出了一个应用程序的部分有效的RV 144（HIV-1）疫苗试验，并表明，疫苗有效性的结论的强度取决于假设的最大失败率的受试者失去随访。
2012-04-25 stat.AP stat.ME
Program Evaluation with Right-Censored Data
在一个统一的框架中，我们提供了各种处理效应的估计值和置信带，当感兴趣的结果，通常是持续时间，进行右删失。我们的方法适应不同的识别假设下，包括不混淆，局部处理效应，和非线性差异的差异，平均，分布和分位数处理效应。所提出的估计量易于实现，具有封闭形式的表示，在估计干扰参数时完全由数据驱动，并且不依赖于参数分布假设、形状限制或限制不同亚群之间的潜在处理效应异质性。这些处理效应的结果是作为两步卡普兰-迈耶估计量的更一般的结果，是独立的利益：我们提供了应用条件（i）一致大数定律，（ii）功能中心极限定理，和（iii）我们证明了普通的非参数引导的有效性，在两步估计过程中的利益的结果可能是随机删失。
2016-04-10 econ.EM stat.ME
Joint Modeling of Longitudinal and Survival Data with Censored Single-index Varying Coefficient Models
在医学和生物学研究中，纵向数据和生存数据类型是常见的。传统的统计模型大多考虑处理其中任一种数据类型，如线性混合模型处理纵向数据，Cox模型处理生存数据，但没有调整这两种不同数据类型之间的关联。希望有一种联合建模方法，它可以适应两种数据类型及其之间的依赖关系。本文将传统的单指标模型扩展为一种新的联合建模方法，将单指标分量替换为变系数分量来处理纵向结果，并将非参数合成数据回归用于连接函数，以适应生存分析中的随机截尾问题。数值实验进行了评估有限样本性能。
2021-07-09 stat.AP stat.ME
Variable Selection in Ultra-high Dimensional Feature Space for the Cox Model with Interval-Censored Data
本文针对区间删失数据下的超高维 Cox 模型，提出基于 lasso、adaptive lasso、SCAD 和 MCP 惩罚的变量选择方法，证明其具有 oracle 性质，并通过模拟和儿童龋齿全基因组关联研究验证了方法效果。
2024-05-02 stat.ME
Tree based weighted learning for estimating individualized treatment rules with censored data
估计个体化治疗规则是个体化医疗的中心任务。[zhao 2012estimating]和[zhang 2012robust]提出了结果加权学习，通过最大化预期结果直接估计个体化治疗规则，而无需直接对响应进行建模。在本文中，我们将结果加权学习扩展到右删失生存数据，而不需要删失加权的逆概率或[zhao 2015doubly]中所做的删失和失效时间的半参数建模。为了实现这一点，我们利用[zhu2012recursively]中提出的基于树的方法，以两种不同的方式非参数化地估算生存时间。第一种方法用期望生存时间代替每个个体的奖励，而在第二种方法中，只有删失观测值由其条件期望失效时间估算。我们建立了这两个估计的一致性和收敛速度。在模拟研究中，我们的估计表现出改进的性能相比，现有的方法。我们还说明了非小细胞肺癌的III期临床试验所提出的方法。
2017-09-29 math.ST stat.ME stat.TH
Mean survival by ordered fractions of population with censored data
我们提出了一种新的方法来估计平均生存时间的删失数据的存在下，在该方法中，我们将所研究的人口分为生存有序分数定义的一组比例，并分别计算每个分数的平均生存时间。我们的方法提供了时间变量分布的详细情况，同时保留了对均值的吸引人的解释。我们的措施被证明是非常有用的应用程序，特别是那些我们能够检测到的群体中的某些部分，将被忽视使用其他可用的方法的平均生存差异。
2018-10-17 stat.ME
Nonparametric Estimation for a Log-concave Distribution Function with Interval-censored Data
针对混合案例区间删失数据下的潜在事件时间估计问题，提出对数凹分布函数假设下的非参数极大似然方法，建立估计量性质并开发R包，相比现有方法更具灵活性与平衡性能。
2024-11-29 stat.CO stat.ME
Reduction algorithm for the NPMLE for the distribution function of bivariate interval censored data
研究了二元区间删失数据分布函数的非参数极大似然估计的计算问题。NPMLE的计算由两个步骤组成：参数缩减步骤和优化步骤。在本文中，我们专注于减少步骤。我们介绍了两个新的约简算法：树算法和HeightMap算法。树算法只是简单地提到。文中详细讨论了HeightMap算法，并给出了伪代码。这是一个非常快速和简单的算法，时间复杂度为O（n^2）。这是一个比迄今为止最著名的算法，Bogaerts和Lesaffre（2003）的O（n^3）算法快一个数量级。我们比较我们的算法与绅士和Vandal（2001），宋（2001）和Bogaerts和Lesaffre（2003）的算法，使用模拟数据。我们表明，我们的算法，特别是HeightMap算法，是显着更快。最后，我们指出，HeightMap算法可以很容易地推广到d维数据与d>2。时间复杂度为O（n^d）。
2009-06-17 stat.CO
A Support Vector Machine Based Cure Rate Model For Interval Censored Data
混合治愈率模型是文献中最常用的治愈率模型。在混合固化率模型的背景下，对协变量对固化或未固化概率的影响进行建模的标准方法是使用逻辑函数。这很容易暗示，对固化和未固化的对象进行分类的边界是线性的。在本文中，我们提出了一个新的混合治愈率模型的基础上，区间删失数据，使用支持向量机（SVM）模型的影响，协变量对未治愈或治愈的概率（即，在模型的发生率部分上）。我们提出的模型继承了SVM的特点，并提供了灵活性，以捕捉分类边界是非线性和更复杂的。此外，当协变量维数较高时，新模型可以用来模拟协变量对关联部分的影响。延迟部分由比例风险结构建模。我们开发了一个估计过程的基础上的期望最大化（EM）算法来估计治愈/未治愈的概率和延迟模型参数。我们的模拟研究结果表明，该模型表现出更好的捕捉复杂的分类边界相比，现有的逻辑斯谛回归为基础的混合治愈率模型。我们还表明，我们的模型捕捉复杂的分类边界的能力，提高了相应的延迟参数的估计结果。为了说明的目的，我们提出了我们的分析，通过应用所提出的方法对戒烟的区间删失数据。
2022-08-22 stat.CO stat.ME
Finite Mixture Cox Model for Heterogeneous Time-dependent Right-Censored Data
针对异质患者群体生存分析中单一Cox PH模型的不足，提出结合SCAD/MCP动态惩罚函数的有限混合Cox模型，通过改进EM算法实现亚组识别与成分选择，提升风险预测精度。
2025-04-11 stat.CO stat.ME
Post-Selection Inference for the Cox Model with Interval-Censored Data
针对区间删失数据下的Cox模型，提出基于lasso的选择后推断方法，提供渐近有效的p值和置信区间，模拟与阿尔茨海默病应用验证了其有效性。
2023-12-30 stat.ME
On a Model for Bivariate Left Censored Data
左删失的受试者的寿命低于门限值或检测限。用于处理左删失数据的流行工具是反向风险率。在这项工作中，我们研究的性质和发展的一类分布的基础上的比例反向风险率用于分析左删失数据的特征。这些特征应用于模拟样本，以及使用属于这一类的分布分析真实数据。
2022-12-26 math.ST stat.TH
An Ensemble Method for Interval-Censored Time-to-Event Data
区间删失数据分析在生物医学统计中对于任何类型的至事件时间响应都很重要，其中响应时间不确切，而是仅知道发生在两个评估时间之间。许多临床试验和纵向研究产生区间删失数据;一个常见的例子是需要定期随访的医学研究。本文提出了一种基于条件推理框架的区间删失数据的生存森林方法。我们描述了如何这个框架可以适应区间删失数据的情况。我们表明，调整参数有一个不可忽视的影响的生存森林的性能和指导如何调整参数的数据依赖的方式，以提高该方法的整体性能。使用蒙特卡罗模拟我们发现，建议的生存森林是至少一样有效的生存树方法时，底层模型具有树结构，执行类似的区间删失考克斯比例风险模型适合时，真实的关系是线性的，并优于生存树方法和Cox模型时，真实的关系是非线性的。我们说明了该方法的应用程序上的牙齿出现数据集。
2019-06-11 stat.ME
A Threshold-free Prospective Prediction Accuracy Measure for Censored Time to Event Data
在临床实践中采用风险评分系统之前，需要仔细评估其预测性能。临床预防保健常使用风险评分来筛查无症状人群。主要临床目的是预测在预先规定的未来时间$t_0$发生事件的风险。已推荐前瞻性准确性测量，如阳性预测值，用于评估预测性能。然而，对于常用的连续或有序风险评分系统，这些措施需要一个主观的截止阈值，二分法的风险评分。对临界值的需要给从业人员和研究人员造成了障碍。在本文中，我们提出了一个无阈值的总结指数的阳性预测值，适应时间依赖性事件的状态。我们开发了一个非参数估计，并提供了一个推理过程，比较竞争的风险评分删失时间事件数据之间的汇总措施。我们进行了模拟研究，以检查有限样本的性能所提出的估计和推理程序。最后，我们说明了使用这种措施的一个真实的数据的例子，比较两个风险评分系统预测儿童癌症幸存者的心力衰竭。
2016-09-14 stat.ME
Deep learning for interval-censored failure time data from case-cohort studies
针对病例队列设计中的区间删失数据，提出结合深度神经网络与伯恩斯坦多项式的筛子最大加权似然方法，实现非线性变换模型估计，并达到极小极大最优收敛速度，兼具准确性与可解释性。
2025-09-26 stat.ME
Interval-censored linear quantile regression
本文提出一种局部加权方法估计区间删失线性分位数回归，通过局部核平滑与改进EM算法估计权重及分布，并经模拟和HIV/AIDS数据验证了其有效性。
2024-04-17 stat.CO stat.ME
A Heteroscedastic Accelerated Failure Time Model for Survival Analysis
非参数和半参数方法常用于生存分析中，以减轻模型设定错误引起的偏倚。然而，这样的方法往往不能估计上尾生存分位数时，相当大的比例的数据被删失，在这种情况下，参数似然估计提出了一个可行的替代方案。在这篇文章中，我们扩展了一个流行的家庭的参数生存模型，使加速失效时间（AFT）的假设，占异方差的生存时间。条件方差可以依赖于任意协变量，从而为同方差模型增加了相当大的灵活性。本文提出了一种期望条件最大化（ECM）算法来有效地计算右删失数据下的HAFT极大似然估计。将该方法应用于结肠癌临床试验的重删失数据，提出了一种新的高度严格的模型残差。在此基础上，HAFT模型被发现，以消除大多数离群值从其同方差对应。
2019-07-17 stat.ME
Minimum message length inference of the Weibull distribution with complete and censored data
具有形状参数$k>0$和尺度参数$λ>0$的韦布尔分布是完全数据或删失数据生存分析中最常用的参数分布之一。虽然韦布尔分布参数的推断通常通过极大似然法进行，但已确定的是，当样本量较小或删失数据比例较大时，由于相关的大偏倚，形状参数的最大似然估计不充分。这篇手稿演示了如何贝叶斯信息理论的最小消息长度的原则，加上一个适当的选择弱信息先验分布，可以用来推断韦布尔分布参数给定完整的数据或数据与I型截尾。实验结果表明，所提出的形状参数的最小信息长度估计优于最大似然估计，并且在Kullback-Leibler风险方面优于最近提出的其他修正的最大似然估计.最后，我们推导出所提出的方法扩展到II型删失数据。
2023-03-17 stat.ME
Model-free Approach to Evaluate a Censored Intermediate Outcome as a Surrogate for Overall Survival
提出一种非参数无模型方法，通过定义最佳变换估计删失替代结局对主要结局治疗效果的解释比例（PTE），放宽了PTE在(0,1)内的假设，适用于受删失的时间到事件结局场景。
2024-12-18 stat.ME
Uniform limit laws of the logarithm for estimators of the additive regression function in the presence of right censored data
最近的研究表明，在右删失情形下，通过将边际积分方法与多元回归函数的初始核型逆删失概率加权估计\citeDebbarhViallon耦合，可以得到加性回归函数的非参数估计3。本文给出了这类估计的强一致相合的精确速度。我们的统一限制法律，特别是导致建设的渐近同步100%的置信带的真正回归函数。
2008-06-26 math.ST stat.TH
Deep Survival Machines: Fully Parametric Survival Regression and Representation Learning for Censored Data with Competing Risks
Carnegie Mellon University（卡内基梅隆大学）
我们描述了一种新的方法来估计相对风险的时间到事件的预测问题与删失数据在一个完全参数的方式。我们的方法不需要作出强有力的假设，恒定的比例风险的基本生存分布，所需的考克斯比例风险模型。通过联合学习输入协变量的深度非线性表示，我们通过在具有不同删失水平的多个真实世界数据集上进行广泛实验，证明了我们的方法在用于估计生存风险时的优势。我们进一步展示了我们的模型在竞争风险场景中的优势。据我们所知，这是第一个工作涉及完全参数估计的生存时间与竞争风险的存在删失。
2021-06-09 cs.LG stat.AP stat.ML
Evaluating Surrogate Marker Information using Censored Data
考虑到治疗或干预研究通常需要较长的随访期，使用替代标记物来减少所需随访时间的可能性是一个非常有吸引力的目标。然而，先前的研究表明，使用不充分的标志物或对主要结局与替代标志物之间的关系做出不适当的假设可能导致关于处理效应的不准确结论。目前用于识别和验证替代标志物的可用方法倾向于依赖于限制性模型假设和/或专注于未经审查的结果。当关注的主要结局是至事件发生时间结局时，由于在替代标志物测量之前经历主要结局的患者中删失和缺失替代信息，因此难以在实践中使用此类方法。在本文中，我们提出了一个新的定义的比例处理效应解释的替代信息收集到一个特定的时间，在设置的时间到事件的主要结果。我们提出的方法适应的设置，个人可能会遇到的替代标记物测量之前的主要结果。我们提出了一个强大的非参数过程来估计定义的数量使用删失数据，并使用扰动恢复过程的方差估计。仿真研究表明，所提出的程序在有限的样本表现良好。我们说明了拟议的程序，通过调查两个潜在的替代标记物糖尿病预防计划的数据。
2016-08-10 stat.ME
Detecting Early and Late Divergences in Survival Curves Using Nonparametric Effect Measures
Intelligent Data Analytics (IDA) Lab, Department of Artificial Intelligence and Human Interfaces (AIHI), Paris Lodron University of Salzburg（萨尔茨堡巴黎罗德大学）；School of Mathematical and Physical Sciences, Macquarie University（麦考瑞大学数理科学学院）；Division of Biostatistics, German Cancer Research Center（德国癌症研究中心）
该研究针对生存曲线早期与晚期分歧难以用比例风险假设捕捉的问题，构建含Kaplan–Meier相关效应及新型时间对比的联合推断框架，经模拟和实际应用验证其性能优于log-rank检验，可揭示隐藏的早期治疗优势。
2026-09-03 stat.ME
Semiparametric Analysis of Interval-Censored Data Subject to Inaccurate Diagnoses with A Terminal Event
Department of Biostatistics, University of Michigan（密歇根大学生物统计学系）
针对诊断不准确且存在终端事件的区间删失数据，提出基于Cox比例风险模型的半参数框架，采用非参数最大似然估计和EM算法，并证明估计量的渐近正态性。
2026-01-11 stat.ME
ICODEN: Ordinary Differential Equation Neural Networks for Interval-Censored Data
Department of Biostatistics and Health Data Science, University of Pittsburgh, PA, USA（匹兹堡大学生物统计与健康数据科学系）；Center for Applied Statistics and School of Statistics, Renmin University of China, Beijing, China（中国人民大学应用统计中心与统计学院）；Department of Applied Statistics, Konkuk University, Seoul, Republic of Korea（韩国康国民大学应用统计系）
ICODEN通过常微分方程神经网络处理区间截断数据，无需强假设，实现灵活的生存预测。
2026-02-10 cs.LG q-bio.QM stat.ML
Estimation of Spectral Risk Measure for Left Truncated and Right Censored Data
针对保险中的左截断右删失数据，提出基于乘积限估计量的谱风险度量非参数估计，证明其渐近正态性、Edgeworth展开及bootstrap二阶精度，蒙特卡洛显示其在小k和小样本下优于现有估计量。
2025-02-26 q-fin.RM stat.ME
Bayesian semiparametric inference for multivariate doubly-interval-censored data
基于在佛兰德斯（比利时）进行的牙科纵向研究中获得的数据集，永久性第一磨牙的联合龋齿时间分布建模为协变量的函数。这涉及多变量连续双区间删失数据的分析，因为：（i）牙齿的出现时间和经历龋齿的时间每年记录一次，（ii）同一个孩子的牙齿事件是依赖的。为了模拟出现时间和龋齿发生时间的联合分布，我们提出了一个依赖贝叶斯半参数模型。所提出的方法的一个主要特点是，生存曲线可以估计，而不强加假设，如比例风险，附加风险，比例优势或加速故障时间。
2011-01-07 stat.AP
Nonparametric Causal Survival Analysis with Clustered Interference
针对观察性研究中存在删失、混杂和聚类干扰的生存时间结局，提出非参数样本分割估计器，支持对修改倾向得分分布的随机策略进行反事实推断，并在模拟和霍乱疫苗研究中验证了其有效性。
2025-08-12 stat.ME
A new composite Mann-Whitney test for two-sample survival comparisons with right-censored data
针对右删失数据两样本生存比较，提出一种基于未删失与删失子集分解、由两个独立Mann-Whitney统计量构成的复合检验，能自适应各种差异模式，功效媲美最优传统检验且更稳健。
2025-10-08 stat.AP stat.ME
Bounds for the regression parameters in dependently censored survival models
针对相依删失生存数据，本文提出半参数部分识别方法以获得可随时间变化的协变量效应界，并通过模拟与经济、医学数据验证其性能。
2025-03-18 stat.ME
Semiparametric rank-based regression models as robust alternatives to parametric mean-based counterparts for censored responses under detection-limit
UCSD Herbert Wertheim School of Public Health and Human Longevity Science（加州大学圣地亚哥分校赫伯特·韦特海姆公共卫生与人类长寿科学学院）
本文提出半参数秩回归模型作为检测限下受挫响应的稳健替代方案，通过比较不同模型在偏倚、变异性及效率方面的表现，验证其在分布假设不确定时的稳定性。
2025-12-11 stat.ME
Reduced bias nonparametric lifetime density and hazard estimation
基于核的非参数风险率估计被认为是一类特殊的无限阶核，实现良好的偏差和均方误差属性。针对随机右删失数据，提出了一种全自动和自适应的密度和风险率估计方法。仔细选择的带宽，在建议的估计产生的估计是更有效的整体均方误差性能方面，在某些情况下，实现了近参数收敛速度。此外，快速收敛的带宽估计用于二阶内核，以补充这种基于内核的方法在危险率估计。仿真结果表明，所提出的估计对其他非参数估计的密度和风险函数的精度提高。一个真实的数据应用程序也提出了从13,166乳腺癌患者的生存数据。
2018-10-16 math.ST stat.TH
Robust Evaluation of Longitudinal Surrogate Markers with Censored Data
本文针对删失时间至事件结局场景，提出稳健评估纵向替代指标的方法，估计治疗效应中被纵向替代指标解释的比例，并通过模拟和糖尿病预防计划数据验证其有效性。
2024-02-26 stat.ME
spBayesSurv: Fitting Bayesian Spatial Survival Models Using R
空间生存分析在过去的20年里受到了极大的关注，由于地理信息可以在预测生存方面发挥重要作用。本文介绍了一组程序，用于使用软件包spBayesSurv在R中实现一些贝叶斯空间生存模型。函数survregbayes包括三个最常用的半参数模型：比例风险、比例几率和加速失效时间。同时适应所有方式的删失生存时间，包括未删失、区间删失、当前状态、左删失和右删失以及这些的混合。左截断的数据也被容纳。在分段常数假设下，允许时间相关协变量。地理参考和区域观察的空间位置都是通过弱点处理的。模型拟合与条件Cox-Snell残差图进行评估，并通过对数伪边缘似然，偏差信息准则和渡边赤池信息准则进行模型选择。具有协变量依赖基线的加速失效时间脆弱性模型包含在函数frailtyGAFT中。此外，该软件包还提供了两个边际生存模型：比例风险和线性依赖Dirichlet过程混合，其中空间依赖性通过空间Copula建模。请注意，该包还可以使用上述模型的非空间版本来处理非空间数据。
2018-04-24 stat.AP stat.CO
Estimating the duration of RT-PCR positivity for SARS-CoV-2 from doubly interval censored data with undetected infections
本文针对英国CIS调查数据中的双重区间删失、未检出感染和假阴性问题，提出贝叶斯非参数生存分析方法，首次估计一般人群中SARS-CoV-2 RT-PCR阳性持续时间的完整分布，并通过模拟验证其稳健性。
2025-02-07 stat.AP stat.ME
Boosting methods for interval-censored data with regression and classification
Columbia University（哥伦比亚大学）；University of Western Ontario（西方大学）
本文提出非参数提升方法，用于处理区间删失数据的回归与分类任务，通过无偏转换调整损失函数并保持模型准确性，理论和实证均验证其有效性。
2026-02-18 cs.LG stat.ML
Debiased machine learning for counterfactual survival functionals based on left-truncated right-censored data
提出基于去偏机器学习的非参数估计量，用于在左截断右删失数据下估计反事实生存时间与协变量联合分布，支持灵活机器学习工具集成与稳健推断。
2024-11-13 math.ST stat.ME stat.TH
Efficiency of nonparametric superiority tests based on restricted mean survival time versus the log-rank test under proportional hazards
针对比例风险下时间-事件终点RCT的分析效率争议，通过渐近分析与模拟探究事件率和删失分布的联合效应，厘清了RMST非参数检验与log-rank检验的相对效率表现。
2024-12-09 stat.AP stat.ME
Reinforced urns and the subdistribution beta-Stacy process prior for competing risks analysis
在本文中，我们介绍了子分布β-Stacy过程，一种新的贝叶斯非参数过程的子分布函数的分析有用的竞争风险数据。特别是，我们i）从预测的角度通过一个强化的瓮模型来描述这个过程，ii）表明它是共轭的右删失数据，和iii）强调它与竞争风险数据的其他先验过程的关系。此外，我们考虑了竞争风险数据的非参数回归模型中的子分布β-Stacy过程，与文献中的大多数其他模型相反，该模型不是基于比例风险假设。
2018-11-29 math.ST stat.ME stat.TH
