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
Dynamic Survival Analysis for non-Markovian Epidemic Models
提出了一种在最小假设条件下分析随机流行病模型的新方法。该方法被称为DSA，基于一个简单而强大的观察，即PDE系统描述的群体水平平均场轨迹也可能近似于个人水平的感染和恢复时间。这个想法产生了一定的非马尔可夫代理为基础的模型，并提供了一个代理级别的似然函数的随机样本的感染和/或恢复时间。对来自英国FMD和印度COVID-19的合成和真实流行病数据的广泛数值分析显示出良好的准确性，并证实了该方法在基于似然的参数估计中的通用性。随附的软件包为潜在用户提供了一个实用工具，以便借助DSA方法对流行病数据进行建模、分析和解释。
2022-02-21 math.PR physics.soc-ph q-bio.PE
A Nonparametric Statistical Method for Two Crossing Survival Curves
在两组至事件发生时间数据的比较研究中，当两条生存曲线相互交叉时，可能难以使用对数秩检验和风险比（HR）来正确评估治疗获益。我们的目的是确定一种方法来评估两组在上述情况下的治疗效果。我们基于一种称为两条生存曲线之间的面积（ABS）的直观测量来量化治疗获益，这是临床试验中治疗获益的稳健测量，无论是否违反比例风险假设或两条生存曲线相互交叉。此外，我们提出了一种基于ABS的排列测试，我们评估了这种测试的有效性和可靠性与模拟数据。ABS置换检验是一种稳健的统计推断方法，具有可接受的第一类错误率和检测处理效应差异的卓越功效，尤其是在违反比例风险假设时。ABS可用于直观地量化随时间推移的治疗差异，并在复杂情况下提供可靠的结论，例如穿越生存曲线。R软件包“ComparisonSurv”包含所提出的方法，可从https://CRAN.R-project.org/package=ComparisonSurv获得。关键词：生存分析;两条生存曲线之间的面积;交叉生存曲线;治疗获益
2021-12-20 stat.AP stat.ME
Nonparametric Bayesian Lomax delegate racing for survival analysis with competing risks
McCombs School of Business（麦克库姆斯商学院）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
我们建议Lomax代表比赛（LDR）明确建模生存机制下的竞争风险，并解释如何协变量加速或减速的时间事件。LDR通过竞争潜在无限数量的子风险来解释非单调协变量效应，因此放松了可能过于限制的无处不在的比例风险假设。此外，LDR自然不仅能够对删失进行建模，而且还能够对缺失的事件时间或事件类型进行建模。对于推理，我们为中等大小的数据开发了一个数据增强下的Gibbs采样器，以及一个用于大数据应用的随机梯度下降最大后验推理算法。说明性的实验提供了合成和真实的数据集，并与各种基准算法的生存分析与竞争风险的比较证明了出色的性能LDR。
2019-01-01 cs.LG stat.AP stat.ME
Nonparametric Survival Estimation with Contaminated and Adjudicated Events
University of Copenhagen（哥本哈根大学）
本文提出一种非参数生存估计方法，用于处理受污染和裁定事件的数据，通过核平滑纳入协变量，并分析了专家信息对估计结果的影响。
2026-01-03 stat.ME
A class of nonparametric methods for evaluating the effect of continuous treatments on survival outcomes
针对连续治疗下反事实生存概率因非路径可微难以构建良好估计量的问题，提出连续暴露下的非参数推断检验方法，经数值研究验证后应用于两项HIV单抗效力试验数据。
2024-12-13 stat.ME
A class of two-sample nonparametric statistics for binary and time-to-event outcomes
本文提出了一类检验比例相等性和生存函数相等性的两样本统计量。我们建立我们的建议的加权组合的分数检验的比例和加权Kaplan-Meier基于神经网络的生存函数的差异的测试。拟定的统计量是完全非参数的，不依赖于生存结局的比例风险假设。我们提出了这些统计量的渐近分布，提出了一个方差估计，并显示其渐近性质下固定和局部替代。我们讨论了不同的权重选择，包括那些控制每个结果的相对相关性，并强调在生存结果中检测到的差异类型。我们评估这些统计的性能与模拟研究，并说明其使用的随机III期癌症疫苗试验。我们已经在R包SurvBin中实现了建议的统计数据，可以在GitHub（https：//github.com/MartaBofillRoig/SurvBin）上获得。
2020-04-04 stat.AP stat.ME
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
A Scalable Nonparametric Continuous-Time Survival Model through Numerical Quadrature
Department of Statistics（统计系）；Ewha Womans University（成均馆大学）；NYU Grossman School of Medicine（纽约大学 Grossman 医学院）
本文提出QSurv模型，通过高斯-勒让德数值积分实现非参数连续时间生存建模，无需时间离散化或限制分布假设，有效捕捉非平稳危险动态，实验表明其在即时危险函数估计上具有优势。
2026-05-15 cs.LG stat.ML
Interval censored recursive forests
提出了区间删失递归森林算法（ICRF），这是一种求解区间删失生存数据的迭代树集成方法。这种非参数回归估计量通过迭代更新生存估计量来充分利用删失信息，并且可以被视为自相合估计量，使用袋外样本监测收敛性。针对区间删失数据，提出了优化的分裂规则，并应用了核平滑方法。ICRF在大多数模拟和雪崩数据的应用实例中显示出最高的预测精度。一个R软件包icrf可用于实现。
2021-05-20 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
Bayesian Nonparametric Modeling of Heterogeneous Groups of Censored Data
在统计学中，经常会遇到包含来自几个小的异质组的大样本事件发生时间数据的数据集。这就出现了问题，因为它们的异质性无法直接合并，也无法单独分析，因为它们的样本量较小。贝叶斯非参数建模方法可以用来模拟这些数据集，因为它们能够灵活地跨群体共享信息。在本文中，我们将比较三种流行的贝叶斯非参数方法建模的生存函数的异质群体。具体来说，我们将首先比较Dirichlet过程，分层Dirichlet过程和嵌套Dirichlet过程在不同大小的模拟数据集上的建模精度，其中组生存曲线的形状或期望值不同。然后，我们将在真实世界的伤害数据集上比较这些模型。
2016-12-02 stat.ML
Estimating marginal survival function by adjusting for dependent censoring using many covariates
右删失数据生存分析的一个目标是估计相依删失下的边际生存函数。当许多辅助协变量足以解释相关删失时，由于辅助信息的高维性，基于条件生存函数的半参数模型或非参数模型的估计可能存在问题。在本文中，我们使用两个工作模型来压缩这些高维协变量的降维，然后估计的边际生存函数可以推导出非参数在低维空间。我们证明了这样的估计具有以下双重鲁棒性：当任一工作模型是正确的，估计是一致的，渐近高斯;当两个工作模型是正确的，渐近方差达到效率界。
2004-10-05 math.ST stat.TH
ROC-Guided Survival Trees and Ensembles
基于树的方法是研究事件发生时间结局的流行非参数工具。在本文中，我们介绍了一种新颖的生存树和集合框架，其中树划分动态幸存者群体并可以处理时间相关的协变量。利用随机检验的思想，我们开发了广义的时间依赖的受试者工作特征（ROC）曲线来评估生存树的性能。树构建算法由基于ROC的决策理论标准指导，专门针对预测精度。为了解决单棵树的不稳定性问题，我们提出了一种新的集成过程的基础上平均鞅估计方程，这是不同于现有的方法，平均预测的生存或累积风险函数从个别树木。进行了广泛的仿真研究，以检查所提出的方法的性能。最后，以艾滋病研究为例，说明了该方法的应用.
2020-01-13 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
On null hypotheses in survival analysis
生存分析中的常规非参数检验，如对数秩检验，评估风险在所有时间均相等的原假设。然而，危险很难解释因果关系，其他零假设在许多情况下与生存结局更相关。为了允许更广泛的零假设，我们提出了一个通用的方法来定义检验统计量。这种方法利用了这样一个事实，即生存分析中广泛的常见参数可以表示为微分方程的解。这样，我们就可以基于生存参数来检验假设，从而解决由累积风险驱动的微分方程，并且很容易在计算机上实现检验。我们提出了模拟，表明我们的测试在一系列场景中的几个假设表现良好。最后，我们使用我们的测试来评估辅助化疗在结肠癌患者中的效果，使用来自随机对照试验的数据。
2019-01-28 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
Positive-Unlabelled Survival Data Analysis
在本文中，我们考虑了一种新的框架，积极的未标记的数据，其中作为积极的数据生存时间观察到的受试者在观察时间内的事件作为积极的数据和未标记的数据截尾时间观察，但是否发生事件或不为某些科目是未知的。我们考虑两种情况：（1）在阳性数据中观察到删失时间，以及（2）未观察到删失时间。对于这两种情况，我们开发了参数模型，非参数模型和机器学习模型以及这些模型的估计策略。仿真研究表明，在这种数据设置下，传统的生存分析可能会产生严重的偏差的结果，而所提出的估计方法可以提供有效的结果。
2020-11-26 stat.ME stat.ML
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
Permutation inference in factorial survival designs with the CASANOVA
我们提出了一般的非参数析因生存设计的推断程序可能右删失数据。与Aalen模型类似，零假设是根据累积风险制定的。因此，偏差是衡量在纳尔逊-阿伦型积分的二次形式。与现有方法不同，这允许在没有限制性模型假设的情况下工作，如比例风险。特别地，可以在没有显著功率损失的情况下检测到交叉生存或危险曲线。对于该方法的分布自由的应用，置换策略的建议。证明了所得到的方法的渐进有效性及其一致性，并在广泛的模拟中分析了它们的小样本性能。最后通过分析一个肿瘤学数据集说明了它们的适用性。
2020-06-24 math.ST stat.ME stat.TH
Neural Frailty Machine: Beyond proportional hazard assumption in neural survival regressions
Ant Group（蚂蚁集团）；Fudan University（复旦大学）；Coupang（库潘）
本研究提出神经脆弱性机（NFM）框架，结合乘性脆弱性思想与神经网络处理生存回归的异质性和非线性依赖，推导出两种高效训练的模型，在理论上提供收敛速率保证，实验中在6个基准数据集上性能优于现有最优生存模型。
2023-10-04 cs.LG math.ST stat.TH
Factorial survival analysis for treatment effects under dependent censoring
析因分析提供了一种强有力的非参数方法来检测多个治疗之间的主要或相互作用效应。对于生存结局，例如来自临床试验的生存结局，可采用此类技术来比较处理效应的合理量化。在生存分析中要解决的关键困难涉及删失的正确处理。到目前为止，所有现有的生存数据析因分析都是在独立删失假设下开发的，这对于许多应用来说太强了。作为一个解决方案，这篇文章的中心目标是发展新的方法，因子生存分析下相当普遍的相依删失制度。这将通过结合因子生存分析的现有结果与生存copula模型开发的技术来实现。因此，我们将提出一个有吸引力的F检验，在我们的模拟研究中表现出良好的性能。新方法在实际数据分析中得到了验证。我们在一个R函数surv.factorial（.）在R包装化合物中。
2023-02-03 math.ST stat.ME stat.TH
Sequential nonparametrics and semiparametrics: Theory, implementation and applications to clinical trials
Pranab K.森的主要研究领域是序贯非参数和半参数及其在临床试验中的应用，他对此做出了许多重要贡献。在此，我们回顾了其中的一些贡献和相关的发展。我们还介绍了一些非参数和半参数推断和相关的计算方法在时间序列的生存终点的临床试验的最新工作。
2008-05-16 math.ST stat.TH
KAPLAN: Kolmogorov-Arnold Prognostic Learnable Activation Networks for Survival Analysis
University of Cambridge（剑桥大学）
提出KAPLAN-HR模型，利用B样条Kolmogorov-Arnold网络非参数估计条件风险函数，通过深层架构自动捕捉交互和时变效应，并证明其收敛速率仅依赖于表示平滑性，从而缓解维度灾难，在六个临床数据集上达到或超越现有方法。
2026-05-25 cs.AI cs.LG stat.ML
Nonparametric comparison of epidemic time trends: the case of COVID-19
COVID-19疫情是目前最紧迫的问题之一。对于政府和决策者来说，一个特别重要的问题是：病毒在不同国家的传播方式是否相同？还是疫情发展有重大差异？在本文中，我们设计了新的推理方法，可以以严格的统计方式检测各国COVID-19疫情发展的差异。在我们的实证研究中，我们使用的方法来比较疫情的爆发模式在一些欧洲国家。
2020-08-04 stat.ME
On Estimation of Optimal Treatment Regimes For Maximizing t-Year Survival Probability
治疗方案是基于患者的个体预后信息指示个性化治疗的确定性函数。人们对寻找最佳治疗方案以最大限度地提高癌症和艾滋病等复杂疾病患者的预期长期临床结果的兴趣正在迅速增长。对于许多以生存时间作为主要终点的临床研究，主要目标是在给定治疗的情况下最大化患者的生存概率。在这篇文章中，我们首先提出了两个非参数估计的生存函数的患者以下一个给定的治疗方案。然后，我们推导出估计的最佳治疗方案的基础上基于值的搜索算法内的一组治疗方案索引的参数。在适当的正则性条件下，建立了导出的最优治疗方案下生存概率的估计量的渐近性质。模拟进行评估的数值性能的建议估计在各种情况下。最后以一个艾滋病临床试验数据为例说明了该方法的应用.
2014-07-29 math.ST stat.ME stat.TH
An Empirical Likelihood Approach to Nonparametric Covariate Adjustment in Randomized Clinical Trials
协变量调整是随机临床试验和观察性研究分析的重要工具。它可以用来提高效率，从而提高功率，并减少可能的偏差。虽然随机临床试验中的大多数统计检验本质上是非参数的，但协变量调整方法通常依赖于特定的回归模型，例如连续结局的线性模型、二分结局的逻辑斯谛回归模型和生存时间的Cox模型。最近的几项工作集中在无模型协变量调整。本文利用经验似然方法，提出了一种协变量调整的非参数方法。新方法的一个主要优点是，它可以自动利用协变量信息的最佳方式，而无需拟合非参数回归。通常的渐近性质，包括Wilks型的结果收敛到一个χ 2分布的经验似然比为基础的测试，和相应的最大经验似然估计的渐近正态性，建立。它还表明，由此产生的测试是渐近最强大的，估计的处理效应达到半参数效率界。新方法应用于全球使用策略打开闭塞的冠状动脉（GUSTO）-I试验。进行了大量的模拟，验证了理论研究结果。
2011-08-02 stat.ME
Nearest Neighbor and Kernel Survival Analysis: Nonasymptotic Error Bounds and Strong Consistency Rates
Heinz College of Information Systems and Public Policy, Carnegie Mellon University（卡内基梅隆大学海因茨信息系统与公共政策学院）
我们建立了基于Kaplan-Meier的最近邻和核生存概率估计的第一个非渐近误差界，其中特征向量位于度量空间中。我们的界限意味着这些非参数估计的强一致性率，直到一个对数因子，匹配现有的条件CDF估计的下限。我们的证明策略也产生了非渐近保证最近的邻居和内核变量的纳尔逊-阿伦累积风险估计。我们在四个数据集上对这些方法进行了实验比较。我们发现，对于核生存估计，一个很好的选择内核是一个学习使用随机生存森林。
2022-09-14 cs.LG stat.ML
A unified nonparametric fiducial approach to interval-censored data
删失数据中事件时间部分被观测到，对生存概率估计具有挑战性。本文介绍了一种新的区间删失数据的非参数置信方法，包括右删失、当前状态、第二类删失和混合类删失数据。所提出的利用简单吉布斯采样器的方法具有“一刀切”的有用特性，即，所提出的方法自动地适应于所有类型的非信息审查机制。如在广泛的模拟，建议的基准置信区间显着优于现有的方法在覆盖范围和长度。此外，所提出的基准点估计比非参数极大似然估计具有更小的估计误差。此外，我们将所提出的方法应用于奥地利风疹数据和血友病患者感染人类免疫缺陷病毒的研究。所提出的基准方法的强度不仅是估计和不确定性量化，而且其自动适应各种审查机制。
2021-11-28 math.ST stat.CO stat.ME
Generation interval contraction and epidemic data analysis
本文提出一般随机SIR模型，证明多源传染风险下平均世代间隔因全局和局部竞争而收缩，并提出用传染性接触风险替代世代间隔估计有效繁殖数，为传染病流行病学方法学研究开辟新途径。
2008-02-21 math.PR q-bio.QM stat.AP
Gradient Boosting Survival Tree with Applications in Credit Scoring
Finance Inc.（360金融公司）
信用评分在消费金融领域发挥着至关重要的作用。生存分析通过量化生存时间的概率，为信用评分问题提供了一种先进的解决方案。为了处理中国消费金融市场中高度异构的行业数据，提出了一种非参数集成树模型--梯度提升生存树（GBST），该模型通过梯度提升算法对生存树模型进行扩展。生存树集成是通过最小化负对数似然的加法方式学习。所提出的模型同时优化每个时间段的生存概率，这可以显着降低整体误差。最后，为了验证GBST模型的适用性，我们使用大规模真实市场数据对信用风险进行了量化。结果表明，GBST模型的一致性指数（C-index）、Kolmogorov-Smirnov（KS）指数以及各时间段的受试者工作特征曲线下面积（AUC）均优于现有的生存模型。
2021-04-12 cs.LG stat.ML
A Change-Point Model for Detecting Heterogeneity in Ordered Survival Responses
在这篇文章中，我们提出了一种新的统计方法，考虑生存异质性作为一个断点模型，在一个有序的序列的时间事件变量。需要根据数值协变量对生存应答进行排序。我们的估计方法旨在检测可能通过有序协变量产生的异质性。我们正式介绍我们的模型作为一个受约束的隐马尔可夫模型（HMM），其中隐藏的状态是未知的分割（断点位置）和观察到的状态是生存响应。我们推导出一个有效的期望最大化（EM）框架，最大限度地提高了这个模型的可能性，广泛的基线危险形式（参数或非参数）。文中还导出了断点的后验分布，并讨论了利用惩罚似然准则选择分段数的问题。我们的生存断点模型的性能最终在糖尿病数据集上进行了说明，其中观察到的生存时间根据疾病发作的日历时间进行排序。
2016-09-23 stat.AP
BoXHED2.0: Scalable boosting of dynamic survival analysis
Texas A&M University（德克萨斯农工大学）；Yale University（耶鲁大学）；Emory University（埃默里大学）
BoXHED2.0是一种高效的非参数化树提升方法，用于处理动态生存分析中的时间依赖性协变量和复杂生存设置。
2023-09-06 cs.LG stat.ML
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
Bayesian nonparametrics for stochastic epidemic models
绝大多数传染病传播的模型本质上是参数化的，涉及关于疾病如何在人群中传播的基本假设。在这篇文章中，我们考虑使用贝叶斯非参数方法来分析疾病暴发的数据。具体来说，我们专注于简单模型的假设下，这个过程具有显式的时间依赖性的感染过程的估计方法。
2017-06-09 stat.AP stat.CO stat.ME
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
Restricted mean survival times for comparing grouped survival data: a Bayesian nonparametric approach
本文提出一种基于受限平均生存时间的贝叶斯非参数方法，通过扩展中性到右过程至多变量并利用复合从属过程的指数泛函，实现分组生存数据的比较。
2024-07-16 stat.ME
Survival Cluster Analysis
Duke University（杜克大学）；Microsoft Research（微软研究院）
传统的生存分析方法估计风险评分或以协变量为条件的个体化事件发生时间分布。在实践中，往往有很大的人口水平的表型异质性，导致（未知）亚群不同的风险概况或生存分布。因此，在生存分析中存在未满足的需求，以识别具有不同风险特征的亚群，同时共同解释准确的个体化事件发生时间预测。一种解决这一需求的方法可能会通过利用亚群中的基因来改善个体结局的特征，从而解释人群水平的异质性。在本文中，我们提出了一种贝叶斯非参数化方法，该方法表示聚类潜在空间中的观测（受试者），并鼓励准确的事件发生时间预测和具有不同风险特征的聚类（亚群）。在真实世界数据集上的实验表明，相对于现有的最先进的生存分析模型，预测性能和可解释性得到了一致的改善。
2020-02-29 cs.LG stat.ML
A novel calibration framework for survival analysis when a binary covariate is measured at sparse time points
临床和队列研究的目标通常包括评价时间依赖性二元治疗或暴露与生存结局的相关性。最近，几项有影响力的研究针对服用阿司匹林与结直肠癌诊断后生存率之间的关系。由于手术，阿司匹林服用值在基线时为零，可能在某个时间点变为1。估计这种关联是复杂的，只有间歇性测量阿司匹林服用。简单的、常用的方法可能会导致严重的偏差。我们提出了一类校准模型的分布的状态变化的二元协变量。从这些模型获得的估计，然后纳入比例风险偏似然以自然的方式。我们开发非参数，半参数和参数校准模型，并推导出渐近理论的方法，我们在阿司匹林和结直肠癌的研究中实施。我们的方法允许在校准模型中包括额外的基线变量，用于二元协变量的状态变化时间。我们进一步开发了一种风险集校准方法，该方法在二元协变量与生存率之间的关联较强的情况下更有用。
2018-01-04 stat.AP stat.ME stat.OT
An improved fully nonparametric estimator of the marginal survival function based on case-control clustered data
病例对照家族研究是一项研究，其中患有感兴趣的疾病的个体（病例先证者）和没有疾病的个体（对照先证者）从明确定义的人群中随机抽样。对先证者及其亲属的发病年龄和疾病状态进行可能的右删失。一个家庭中的结果之间的相关性是由遗传易感性、共享环境和共同行为模式等因素引起的。对于这种设置，我们提出了一个非参数估计的边际生存函数，基于局部线性估计的条件生存函数。估计的渐近理论，并提出了模拟结果表明，该方法表现良好。该方法说明了从前列腺癌研究的数据。关键词：病例对照;家系研究;多变量生存;非参数估计;局部线性
2018-12-03 stat.ME
A Semiparametric Joint Model for Terminal Trend of Quality of Life and Survival in Palliative Care Research
姑息医学是一个跨学科的专业，重点是改善严重疾病患者及其家属的生活质量（QOL）。美国80%以上的大型医院（300多张床位）提供或正在开发姑息治疗计划。姑息治疗临床试验提出了独特的分析挑战，相对于评价姑息治疗的疗效，这是改善患者的生活质量下降，随着疾病的进展走向生命结束（EOL）。姑息治疗临床试验的一个独特特征是，尽管有潜在的有益治疗，但患者在试验期间的生活质量仍会下降。纵向QOL和生存数据通常高度相关，这在删失面前，使得正确分析和解释纵向QOL轨迹具有挑战性。为了解决这些问题，我们提出了一种新的半参数统计方法来联合建模纵向生活质量和生存数据。在我们的方法中有两个子模型：纵向QOL的半参数混合效应模型和生存的Cox模型。我们使用回归样条方法来估计非参数曲线，并使用AIC来选择节点。我们通过模拟和应用来评估模型，以建立一种新的建模方法，可以应用于未来的姑息治疗研究试验。
2016-04-16 stat.AP stat.ME
Enabling Counterfactual Survival Analysis with Balanced Representations
Duke University（杜克大学）
平衡表征学习方法已经成功地应用于从观测数据中进行反事实推理。然而，解释生存结局的方法相对有限。在各种医疗应用中经常遇到生存数据，即，药物开发、风险分析和临床试验，并且这些数据也与制造等领域相关（例如，设备监控）。当关注的结局是至事件发生时间时，需要采取处理删失事件的特殊预防措施，因为忽略删失结局可能导致偏倚估计。我们提出了一个理论上接地适用于生存结果的反事实推理的统一框架。此外，我们制定了一个非参数风险比指标，用于评估平均和个性化的处理效应。在真实世界和半合成数据集上的实验结果表明，所提出的方法在生存结局预测和治疗效果估计方面都显着优于竞争对手。
2021-03-03 cs.LG stat.ML
Doubly Robust Nonparametric Instrumental Variable Estimators for Survival Outcomes
工具变量（IV）方法使我们有机会解决因果推断中的不可测混杂。然而，大多数IV方法仅适用于离散或连续结局，很少有IV方法适用于删失生存结局。在这项工作中，我们提出了非参数估计的局部平均处理效应的生存概率下不可删失和可删失。我们提供了一个有效的基于影响函数的估计和一个简单的估计过程时，IV是二进制或连续的。所提出的估计具有双重鲁棒性，可以很容易地将非参数估计使用机器学习工具。在模拟研究中，我们证明了我们提出的估计在各种合理的情况下的灵活性和效率。我们将我们的方法应用于前列腺癌、肺癌、结直肠癌和卵巢癌筛查试验，以估计筛查对生存概率的因果影响，并研究在不同删失假设下两种干预措施之间的因果对比。
2020-09-28 stat.ME
A Structured Nonparametric Framework for Nonlinear Accelerated Failure Time Models (KAN-AFT)
Department of Mathematics, School of Advanced Sciences, Vellore Institute of Technology（数学系，先进科学学院，维洛雷理工学院）；Applied Statistics Unit, Indian Statistical Institute（应用统计单位，印度统计研究所）
本文提出一种结构非参数扩展的AFT框架，通过Kolmogorov-Arnold表示法建模log生存时间的回归函数，解决了传统线性AFT模型无法处理非线性关系的问题，并在临床数据中展示了良好的预测性能。
2026-03-18 cs.LG stat.ML
Playtime Measurement with Survival Analysis
University of Turku（图尔库大学）
最大化产品使用是许多企业的核心目标，这使得留存和货币化成为游戏中的两个核心分析指标。玩家留存可以指量化产品用途：总游戏时间或会话游戏时间是流行的研究目标，并且活跃游戏时间非常适合于订阅游戏。这样的研究通常有增加玩家保留或相反减少玩家流失的目标。生存分析是一个非常适合保留类型数据的强大工具框架。本文贡献了新的方法，游戏分析如何使用生存分析没有协变量进行分析。生存和危险估计提供了一个直观的和分析的解释作为一个漏斗型非参数估计的游戏时间的现象。基于生存曲线的统计可以用于将该游戏时间信息聚合到单个统计中。队列间生存曲线的比较提供了科学的AB检验。所有这些方法都适用于删失数据，并能够计算置信区间。这在游戏开发过程中出现的时间和样本有限的数据中尤为重要。在本文中，我们说明了这些方法的应用，以现实世界的游戏开发问题的潮人羊手机游戏。
2017-01-04 cs.AI stat.AP stat.ML
Survival Dynamical Systems for the Population-level Analysis of Epidemics
受Kermack和Mckendrick提出的经典SIR流行病模型的启发，我们考虑一类随机分区动力系统，其中分区之间具有偏序的概念.我们称这种系统为单向传质模型（MTM）。我们发现，有一个自然的方式来解释一个单向MTM作为生存动力系统（SDS），是生存函数，而不是人口计数。这种SDS解释使我们能够采用生存分析的工具来解决单向MTM的数据收集和统计推断的各种问题。特别是，我们提出了一个基于SDS-似然的统计推断过程，并进行了数值验证。我们使用SIR模型作为一个运行的例子，在整个文件来说明的想法。
2019-01-02 math.DS q-bio.PE stat.ME
A Predictive Approach to Bayesian Nonparametric Survival Analysis
贝叶斯非参数方法是分析生存数据的流行选择，因为它们能够灵活地模拟生存时间的分布。这些方法通常采用非参数先验的生存函数，这是共轭相对于右删失数据。得出这些先验，特别是在存在协变量的情况下，可能具有挑战性，并且推断通常依赖于计算密集型的马尔可夫链蒙特卡罗方案。在本文中，我们建立在最近的工作，改写贝叶斯推断分配一个预测分布的人口条件的观察样本的看不见的值，从而避免了需要指定一个复杂的先验。我们描述了一个基于Copula的预测更新，它允许一个可扩展的顺序重要性抽样算法来执行推理，正确地考虑右删失。我们提供了理论上的理由，通过扩展Doob的一致性定理，并说明了一些模拟和真实的数据集，包括一个例子与协变量的方法。我们的方法使分析师能够执行贝叶斯非参数推断，通过只有规范的预测分布。
2022-02-21 stat.CO stat.ME
Bayesian Nonparametric Erlang Mixture Modeling for Survival Analysis
我们开发了一个灵活的Erlang混合模型用于生存分析。生存密度的模型是从一个结构化的混合厄兰密度，混合上的整数形状参数与一个共同的尺度参数。混合权重通过正实数线上的分布函数的增量来构造，该正实数线被赋予Dirichlet过程先验。该模型具有相对简单的结构，平衡灵活性与有效的后验计算。此外，它意味着一个混合物表示的风险函数，涉及时间依赖的混合权重，从而提供了一个通用的方法来估计风险。我们扩展模型来处理对应于多个实验组的生存响应，使用一个依赖的Dirichlet过程之前的组特定的分布，定义的混合权重。模型的属性，事先规范，和事后模拟进行了讨论，并与合成和真实数据的例子说明了方法。
2022-11-16 stat.ME
Nonparametric Analysis of Delayed Treatment Effects using Single-Crossing Constraints
由于处理效应延迟，涉及新型免疫肿瘤学（IO）治疗的临床试验经常显示出违反比例风险假设的生存曲线，在这种情况下，两个治疗组的生存曲线可能在两条曲线最终分离之前出现交叉。为了灵活地模拟这种情况，我们描述了一种用于估计治疗组特异性生存函数的非参数方法，该方法限制这两个生存函数最多交叉一次，而不对生存曲线如何相关进行任何额外的假设。我们的方法的一个主要优点是，它提供了一个交叉时间的估计，如果这样的交叉存在，而且，我们的方法产生可解释的措施的治疗效益，包括交叉条件生存概率和交叉条件估计的限制剩余平均寿命。我们证明了我们的方法的使用和有效性与一个大型的模拟研究和分析重建的结果，从最近的联合治疗试验。
2021-01-31 stat.ME
A General Approach for Cure Models in Survival Analysis
在生存分析中，经常发生的情况是，一些研究对象没有经历感兴趣的事件;他们被认为是“治愈”的。因此，人口是两个亚群的混合体：治愈的受试者和“易感”受试者。当存在协变量时，可以使用所谓的混合治愈模型来建模群体的条件生存函数。它取决于两个组成部分：被治愈的概率和易感受试者的条件生存函数。在本文中，我们提出了一种新的方法来估计混合治愈模型时，数据受到随机右删失。我们使用治愈比例的参数模型（例如逻辑模型），而未治愈受试者的条件生存函数未指定。该方法是基于一个反演，它允许写的生存函数作为一个函数的可观察的随机变量的分布。这导致了一个非常一般的模型类，它允许一个灵活和丰富的建模条件生存函数。我们证明了所提出的模型的可辨识性，以及模型参数的弱相合性和渐近正态性。我们还考虑更详细的情况下，核估计用于模型的非参数部分。通过有限样本模拟，新的估计量与Cox混合治愈模型的估计量进行了比较。最后，我们将新的模型和估计过程应用于两个医疗数据集。
2017-01-13 math.ST stat.TH
Nonparametric Estimation of Conditional Survival Function with Time-Varying Covariates Using DeepONet
本研究提出基于 DeepONet 的非参数方法估计具有时变协变量的条件生存函数，放宽风险回归假设，模拟与 ADNI 数据表明其优于 Cox 模型。
2025-05-28 stat.ME
Bayesian Nonparametric Bivariate Survival Regression for Current Status Data
我们考虑基于当前状态数据的事件时间分布的非参数推断。我们发现，在这种情况下，传统的混合先验，包括流行的狄利克雷过程混合先验，导致生物学上无法解释的结果，因为它们不自然地倾斜的概率质量的事件时间对极端的观测数据。对相关删失的简单假设可以解决这个问题。然后，我们将讨论扩展到两个结果的偏序的二元当前状态数据。除了相关的删失，我们还利用了一些最小的已知结构有关的两个事件的时间。我们设计了一个用于后验模拟的马尔可夫链蒙特卡罗算法。应用于复发性感染的研究，该方法提供了新的见解，如何受协变量的影响与艾滋病相关的医院就诊。
2020-09-22 stat.ME
Bayesian nonparametric estimation of survival functions with multiple-samples information
在许多实际问题中，需要比交换矩阵更一般的依赖结构。例如，在某些情况下，部分交换是一个更合理的假设。由于这个原因，依赖贝叶斯非参数先验向量最近得到了普及。它们提供了灵活的模型，从计算和理论的角度来看是易于处理的。在本文中，我们专注于他们的使用估计生存函数与多样本信息。我们的方法允许建立模型的生存时间之间的依赖关系，不同的观察组和扩展以前的工作到任意的维度。提供了有关完全随机测量的基础相关向量的后验行为的理论结果。该模型的性能进行了测试模拟数据集所产生的分布克莱顿copula。
2018-03-18 stat.AP stat.CO stat.ME
Nonparametric Inference Framework for Time-dependent Epidemic Models
本文为时变感染率的随机SIR模型构建了非参数推断框架，通过似似然近似、B样条建模和参数自举法进行参数估计与置信区间构建，并成功应用于安大略省COVID-19多波次数据。
2024-09-26 stat.ME
