Stochastic highway capacity: Unsuitable Kaplan-Meier estimator, revised maximum likelihood estimator, and impact of speed harmonisation
Transport Research Centre CDV（CDV交通研究中心）
本文提出修正最大似然估计器用于随机交通流容量估计，验证其有效性并展示可变速度限制系统对交通容量的提升效果。
2026-02-27 stat.AP stat.ME
The Kaplan-Meier estimator as a limit function of Efron's self-consistency iterations
University of Leipzig（莱比锡大学）
本文针对Efron提出的自洽迭代算法，证明其可逼近Kaplan--Meier估计量这一不动点的收敛性，明确该估计量是迭代的极限函数。
2026-07-31 math.ST stat.TH
Distributed Kaplan-Meier Analysis via the Influence Function with Application to COVID-19 and COVID-19 Vaccine Adverse Events
本文提出基于影响函数的分布式Kaplan-Meier生存分析方法，在无需共享个体数据的情况下进行多中心统计推断，并应用于COVID-19感染与疫苗接种后血栓风险比较，发现感染后血栓发生率远高于疫苗接种后。
2025-07-18 stat.ME
Asymptotic theory of rerandomization for survival analysis
Mississippi State University（密西西比州立大学）；Yale School of Public Health（耶鲁公共卫生学院）
本文研究了重新随机化在生存分析中的渐近性质，证明了治疗特异性生存函数估计量在分层重新随机化下的统一弱收敛性，并探讨了反事实调整对无限维目标估计量的影响。
2026-04-25 math.ST stat.ME stat.TH
Survival Isotonic Distributional Regression
University of Copenhagen（哥本哈根大学）；Tsinghua University（清华大学）；ETH Zürich（苏黎世联邦理工学院）
本研究提出S-IDR，将IDR扩展至右删失场景，无调参且适配多类型协变量，在基准套件及肝移植MELD评分验证案例中表现良好，配套多语言包可用。
2026-08-05 math.ST stat.TH
Deep Generative Survival Analysis: Nonparametric Estimation of Conditional Survival Function
我们提出了一种深度生成方法，用于右删失数据条件生存和风险函数的非参数估计。该方法的核心思想是在给定协变量的情况下，首先学习观测时间和截尾指标的联合条件分布的条件生成器，然后基于该条件生成器构造条件风险和生存函数的Kaplan-Meier和Nelson-Aalen估计量.我们的方法结合了最近开发的深度生成学习和生存分析中的经典非参数估计的思想。我们分析了所提出的方法的收敛性，并建立了条件生存和风险函数的生成非参数估计的相容性。我们的数值实验验证了所提出的方法，并在一系列的模拟模型中展示了其优越的性能。我们还说明了所提出的方法在构建PBC（原发性胆汁性胆管炎）和SUPPORT（了解预后和治疗结果和风险偏好的研究）数据集的生存时间预测区间中的应用。
2022-05-19 math.ST stat.TH
Asymptotic convergence in distribution of the area bounded by prevalence-weighted Kaplan-Meier curves using empirical process modeling
Kaplan-Meier乘积限估计量是事件时间分析中一个简单而强大的工具。对于分层为队列的人群，存在一种扩展，其中通过队列水平生存曲线的加权平均生成人群生存曲线。为了使用该统计量进行群体水平的比较，我们分析了两条加权生存曲线之间的面积统计量。基于乘积限估计量的经验过程，我们导出了该统计量的大样本行为。该估计器被一个跨学科的NIH-SSA团队用于确定医疗条件，以优先考虑残疾福利处理中的裁定。
2018-10-02 math.PR math.ST stat.ME
Censored and extreme losses: functional convergence and applications to tail goodness-of-fit
本文证明截断损失极端估计量的函数收敛，据此提出两种基于检验统计量的阶统计量选择规则，并通过模拟和法国车险数据验证其有效性。
2024-08-20 math.ST stat.ME stat.TH
Conditional density estimation in a censored single-index regression model
在单指标回归假设下，我们引入了一个新的半参数方法来估计截尾响应的条件密度。该回归模型可以看作是Cox回归模型的推广，也可以看作是删失情形下进行降维的一种有益工具。该技术扩展了Delecroix等人（2003）的结果。我们得到的一致性和渐近正态性的指标参数的估计证明其渐近等价的（不可计算的）最大似然估计，使用鞅计数过程的结果和参数的经验过程理论。此外，我们提供了一个新的自适应过程，它允许我们选择在我们的方法中所涉及的平滑参数，并绕过Kaplan-Meier估计（1958）在分布的右尾的弱性能。通过模拟研究，我们研究了我们的估计量的小样本的行为。
2009-03-22 math.ST stat.TH
Comparing Two Survival Functions at a Fixed Timepoint
Biostatistics Research Branch, National Institute of Allergy and Infectious Diseases（过敏和传染病研究所生物统计研究分支）；Frederick National Laboratory for Cancer Research（弗雷德癌症国家实验室）；Axle Informatics（Axle信息学）
本文针对右删失下固定时间点的两条生存函数比较问题，将单样本Greenwood方差调整纳入delta法两样本应用，扩展BPCP融合区间为中p版本，经模拟发现BPCP融合可保证全场景覆盖率，中p版本覆盖率最接近名义，还提供了bpcp R包函数。
2026-08-03 stat.ME
An Extension of Greenwood's Formula to Variances
本文针对Greenwood方差估计量提出其渐近方差的估计量，并证明该渐近方差显著小于Kaplan-Meier方差估计量，从而说明Greenwood估计量更稳健。
2024-06-12 math.ST stat.TH
Delta method in large deviations and moderate deviations for estimators
δ方法是一种流行的和基本的工具，用于导出变换统计量的极限分布，而渐近分布的应用程序不允许一个获得期望的精度近似尾概率。大、中偏差理论可以实现这一目标。受Delta方法弱收敛性的启发，提出了一种适用于大偏差的广义Delta方法。新方法可以广泛应用于驱动估计的中偏差，并通过Wilcoxon统计量，Kaplan-Meier估计，经验分位数过程和经验copula函数的例子来说明。我们还改进了现有的中偏差结果的$M$ -估计和$L$ -统计量的新方法。提供了中等偏差在统计假设检验中的一些应用。
2011-05-18 math.ST stat.TH
Transforming cumulative hazard estimates
事件发生时间结局通常在危害量表上进行评估，但解释危害可能很困难。最近，在因果推断文献中，人们担心危险实际上具有阻止简单因果解释的内在选择效应。这甚至在随机对照试验中也是一个问题，在这些试验中，风险比已经成为衡量处理效应的标准。然而，在危险量表上建模是方便的，例如，调整协变量。因此，使用危险进行中间计算可能是可取的。在这里，我们提供了一个通用的方法，用于将危险估计一致地转换到其他尺度，以避免这些内置的选择效应。该方法基于微分方程，推广了Nelson-Aalen估计量和卡普兰-迈耶估计量之间的关系。使用鞅中心极限定理，我们还发现，协方差可以估计一致的一大类估计，从而允许快速计算的置信区间。因此，给定基于例如Aalen的加性风险模型的累积风险估计，我们可以不需要更多的努力就获得许多其他参数。我们提出了几个例子和相关的估计。覆盖范围和收敛速度进行了探讨，使用模拟，表明可靠的估计，可以在现实生活中的场景。
2020-02-06 stat.ME
Right-censored models by the expectile method
本文提出基于期望分位损失和自适应LASSO的AFT模型估计方法，实现变量选择，并证明渐近性质，模拟和实例验证其有效性。
2024-02-05 math.ST stat.ME stat.TH
Quantile calculus and censored regression
在生存分析中提倡分位数回归来评估协变量的影响。然而，当删失时间并不总是被观察到并且可能是协变量依赖的时，特别是在存在连续分布的协变量的情况下，会出现挑战。尽管最近取得了一些进展，现有的方法要么涉及算法的复杂性或施加概率网格。前者导致的困难，在实施和渐近，而后者引入了不良的网格依赖。为了解决这些问题，我们在本文中开发了累积概率尺度上的基本和一般分位数演算，认识到概率和时间尺度并不总是具有给定生存分布的一对一映射。这些结果产生了一个新的估计过程，删失分位数回归估计积分方程的基础上。提出了一种数值可靠、高效的渐进局部化最小化（PLMIN）算法。这一过程完全简化为$k$样本问题中的Kaplan-Meier方法，以及在没有删失的情况下的标准未删失分位数回归。在正则性条件下，所提出的分位数系数估计是一致相合的，并且弱收敛于高斯过程。仿真结果表明，良好的统计和算法性能。该建议是说明在应用程序的临床研究。
2010-10-04 math.ST stat.TH
Censored extreme value estimation
提出基于极值 Kaplan–Meier 积分的随机删失极值估计框架，扩展广义 Hill 型估计量并构造右删失数据极值指数估计量，模拟与脑癌数据验证其优势。
2025-02-16 math.ST stat.ME stat.TH
The pilgrim process
朝圣者的垄断是一个概率过程，产生了一个非负序列$T_1, T_2,\ldots$，它是无限可交换的，是时间到事件数据的自然模型。一维边缘分布为指数分布。规则简单，过程易于顺序生成，并且对于联合密度和多变量幸存函数都可以使用简单的表达式。与生存分布的Kaplan-Meier估计有密切的联系。嵌入过程是一个无限可交换有序划分过程连接到马尔可夫分支过程中的中立进化理论。该过程的某些方面，如块数的分布，可以通过分析研究和模拟确认。通过忽略顺序，嵌入过程可以被认为是一个无限可交换的划分过程，显示出密切相关的中餐厅过程。还提供了与印度自助餐过程的进一步连接。因此，我们建立了一个以前未知的著名的Kaplan-Meier估计和重要的Ewens抽样公式之间的联系。
2015-09-01 math.ST stat.TH
Asymptotic behavior of the unconditional NPMLE of the length-biased survivor function from right censored prevalent cohort data
在具有恒定发病率的流行病例队列中收集的右删失生存数据具有长度偏倚，并且可以用于估计长度偏倚（即，prevalent-case）生存函数。当发生率恒定时，即发生率的平稳性，使用此结构进行无条件统计推断比通过观察到的截断时间进行分析更有效。众所周知，由于流行队列数据的信息删失，Kaplan-Meier估计量不是长度偏倚生存函数的无条件NPMLE，并且NPMLE的渐近性质不遵循任何已知结果。我们在这里提出了一个详细的推导的NPMLE的长度偏置生存函数的渐近性质，从右删失的流行队列生存数据与后续。特别是，我们证明了NPMLE是一致强一致的，弱收敛到高斯过程，并且是渐近有效的。这些结果的一个重要副产品是，它们产生了事件情况下生存函数的NPMLE的渐近性质[见Asgharian，M 'Lan和Wolfson J. Amer. Statist。Assoc.97（2002）201- 209]，这通常是流行队列研究的主要兴趣。我们的结果推广了Vardi和Zhang [Ann. Statistist. 20（1992）1022- 1039]，我们发现在流行的队列设置中，这是一种退化的情况。
2006-02-11 math.ST stat.TH
Improved Precision in the Analysis of Randomized Trials with Survival Outcomes, without Assuming Proportional Hazards
我们提出了一个新的估计的限制平均生存时间的随机试验中，有正确的删失，可能取决于治疗和基线变量。建议的估计量利用预后基线变量，以获得相等或更好的渐近精度相比，传统的估计。在治疗和基线变量分层内的规律性条件和随机删失下，建议的估计量具有以下特征：（i）在违反比例风险假设的情况下可解释;（ii）在独立删失下，它是一致的，至少与Kaplan-Meier估计量一样精确;（iii）在违反独立审查的情况下保持一致（与Kaplan-Meier估计量不同）当截尾或生存分布被一致估计时;和（iv）当这两个分布一致估计时，它达到非参数效率界。我们说明了我们的方法使用模拟的基础上，从一个完整的，3期随机临床试验的一种新的手术治疗中风的恢复数据的性能，提出的估计实现了12%的增益相比，在相对效率的Kaplan-Meier估计。所提出的估计量与现有的随机试验方法相比具有潜在的优势，因为现有的方法要么依赖于在许多应用中站不住脚的模型假设，要么缺乏一些效率和一致性属性（i）-（iv）。我们专注于估计的限制平均生存时间，但我们的方法可以适用于估计任何治疗效果的措施，定义为一个平滑的对比生存曲线之间的每个研究arm. We提供R代码来实现估计。
2016-08-19 math.ST stat.ME stat.TH
Estimation of time-specific intervention effects on continuously distributed time-to-event outcomes by targeted maximum likelihood estimation
目标极大似然估计是一种通用的方法，结合灵活的集成学习和半参数效率理论，在两个步骤的过程中估计的因果参数。提出的生存和竞争风险分析的目标极大似然程序迄今为止集中于离散时间内的事件值。在这里，我们提出了一个有针对性的极大似然估计过程的事件时间，采取R+的值。我们专注于估计干预特定的平均结果与随机干预的时间固定的治疗。对于滋扰参数的数据自适应估计，我们提出了一种新的灵活的高度自适应套索估计方法，可以实现与L1惩罚泊松回归的连续时间强度。在一个模拟研究的目标极大似然估计的基础上的高度自适应lasso估计证明是无偏的，并实现适当的覆盖与渐近理论的协议，并进一步显示效率的改进相对于Kaplan-Meier方法。
2021-06-21 stat.ME
Strong Asymptotic Properties of Kernel Smoothing Estimation for NA Random Variables with Right Censoring
大多数负相关（NA）随机变量的研究都考虑了完全数据的情况，这实际上是一个相对理想的条件。本文将这一条件放宽到不完全数据的情形，考虑了基于Kaplan-Meier估计的右删失情形下的核平滑密度估计和风险函数估计。我们建立了这两个估计的强渐近性质，以评估其渐近行为，并证明其实际应用。
2023-02-01 math.ST stat.TH
SynthIPD: training-free synthetic individual patient data generation
The George Washington University（乔治华盛顿大学）；HopeAI, Inc.（希望人工智能公司）；Mayo Clinic（梅奥诊所）
研究提出SynthIPD方法，基于已发表临床试验文章，利用含风险/删失信息的KM曲线及亚组水平汇总统计量，通过三步法生成仅含生存终点的合成IPD，实现高保真生成，支持循证医疗决策。
2026-07-27 stat.AP
Improved Non-parametric Penalized Maximum Likelihood Estimation for Arbitrarily Censored Survival Data
非参数极大似然估计是一组经典的估计方法，用于估计截尾数据中的分布相关函数，在生存分析中有着广泛的应用。这些方法，包括卡普兰-迈耶估计量和Turnbull方法，经常导致过拟合，特别是当样本量很小时。我们提出了一种改进这些方法，通过应用核平滑的原始估计，基于BIC型损失函数，平衡优化模型拟合和控制模型复杂性之间的权衡。在纵向研究的背景下，重复观察，我们详细介绍了我们提出的平滑过程和优化算法。通过对多个现实场景的广泛模拟研究，我们证明了我们基于平滑的程序通过减少过拟合在生存函数估计和个体水平的事件发生时间预测方面提供了更好的整体准确性。与原始未平滑估计值相比，我们的平滑过程使用区间删失数据将估计值与真实模拟生存函数之间的差异降低了49%，样本内和样本外预测分别提高了41%和23%。最后，我们将我们的方法应用于审查乳腺癌诊断的真实数据，与未审查数据的经验生存估计相比，这同样显示出改善。我们提供了一个R包，SISE，用于实现我们的惩罚似然方法。
2021-08-04 stat.ME
A Better Comparison under right-censoring: ABC Statistic for Equivalence Testing and Quantification
RWTH Aachen University（亚琛工业大学）；University of Cologne（科隆大学）
提出基于两条生存曲线之间归一化积分绝对距离的ABC统计量，用于右删失数据下的等价检验和差异量化，并发展了大样本性质和重抽样方法。
2026-06-03 stat.ME
The V-fold jackknife for semiparametric inference: variance estimation, confidence intervals, and simultaneous confidence bands
Division of Biostatistics, University of California, Berkeley（加州大学伯克利分校生物统计系）；University of Pennsylvania（宾夕法尼亚大学）
研究针对半参数推断开发V折刀切法，它计算高效且理论合理，仅需V次留一法重拟合，利用伪值经验离散度量化不确定性，给出有效置信区间和同时置信带，扩展理论到特定估计量，模拟证实其可靠推断。
2026-07-27 math.ST stat.CO stat.ME
New stochastic highway capacity estimation method and why product limit method is unsuitable
本文指出PLM和MLE因交通流测量不具备“老化”历史而不适用于随机通行能力估计，提出基于失效累积频率拟合的新方法，并通过案例研究验证其对通行能力估计的有效性。
2025-07-02 stat.AP stat.ME
Bayesian bivariate survival estimation
本文探讨了双变量生存分布非参数估计的挑战，提出基于贝叶斯方法的改进方案，通过Beta过程构建非参数先验，实现一致估计。
2026-04-10 math.ST stat.TH
Inference for the Mann-Whitney Effect for Right-Censored and Tied Data
Mann-Whitney效应是区分两种生存分布的直观度量。在这里，我们分析了这个参数的各种推理技术在两个样本的生存设置独立的右删失，生存时间甚至允许离散分布。这允许数据中的关系，并需要引入Kaplan-Meier估计量的归一化版本，从中推导出足够的点估计值。从后者的渐近分析，渐近精确的推理程序的基础上，标准的正常，引导和置换分位数的开发和比较模拟。在这里，渐近鲁棒的，在相同的生存和删失分布的情况下，甚至是最精确的置换过程被证明是最好的。最后，所有程序都说明了使用一个真实的数据集。
2016-09-23 math.ST stat.TH
Hazard-Based Targeted Maximum Likelihood Estimation for Survival in Resampling Designs
针对重抽样设计下HIV生存估计易受失访偏差影响、现有加权KM方法未利用协变量的问题，提出两种靶向极大似然估计量，模拟显示其方差最高降低55%且覆盖率达标，提升了估计效率与鲁棒性。
2025-11-19 stat.ME
Assessing dominance in survival functions: A test for right-censored data
本文针对右删失数据提出一种基于Kaplan-Meier估计量差值上确界的统计检验，用于区分生存曲线的占优与交叉，并通过理论、模拟和真实数据验证其检测灵敏度优于传统方法。
2025-04-09 math.ST stat.ME stat.TH
Fast approximations of pseudo-observations in the context of right-censoring and interval-censoring
在右删失和区间删失数据的背景下，我们开发渐近公式来计算伪观测的生存函数和限制平均生存时间（RMST）。这些公式是基于原始估计量，不涉及刀切估计量的计算。对于右删失数据，Kaplan-Meier估计量的Von Mises展开用于推导伪观测值。对于区间删失数据，研究了一类生存函数的参数模型。利用黑塞矩阵和分数向量导出了伪观测值的渐近表示。理论结果证明使用伪观测回归。该公式说明分段常数风险模型的RMST。所提出的近似是非常准确的，即使是小的样本量，如蒙特卡洛模拟和真实数据所示。我们还研究了计算时间方面的增益，与原始的折刀方法相比，这对于大数据集来说可能是很大的。
2023-02-06 math.ST stat.TH
Empirical Cummulative Density Function from a Univariate Censored Sample
设F是一个未知的单变量分布函数，τ是dom（F）中的一个函数，它是由包含截尾观测的样本估计的。作者在不对截尾机制或分布函数F的性质作任何假设的情况下，导出了F的一个新的非参数估计F_hat。即使对于小的样本量，也可以容易且准确地估计F_hat（tau）的分布。在一项模拟研究中，估计量F_hat的性能显著优于Kaplan Meier估计量，该研究采用指数和对数正态分布函数F以及由i.i.d.定义的删失机制。均匀随机观测点
2011-08-24 math.ST stat.ME stat.TH
Non-parametric estimation of net survival under dependence between death causes
针对死亡原因未知且依赖的竞争风险生存模型，本文提出基于随机过程和鞅的广义非参数净生存估计器，放松独立性假设并推导其渐近性质、方差估计与检验，通过模拟和结直肠癌数据验证，为Pohar Perme估计器提供新视角。
2025-02-13 math.ST stat.TH
A hierarchical technique for estimating location parameter in the presence of missing data
本文提出了一种在缺失数据情况下估计多变量向量位置参数的分层方法。在该过程的第i步，对矢量的非缺失分量的位置参数的估计基于以迭代方式将具有非缺失分量的观测子集中的信息与来自具有更多缺失分量的所有子集的位置参数的更新估计组合。如果方差-协方差阵是已知的，则所得估计量是无偏的，具有最小方差，假设缺失数据是可估计的。证明了基于方差-协方差阵的相合估计的估计量渐近地获得无偏性和最小方差。这种方法也可以扩展到某些不可验证的缺失数据的情况。将该方法应用于具有随机脱落的数据产生众所周知的Kaplan-Meier估计量。
2004-11-01 math.ST stat.TH
Long-Term Tail Modeling in Survival Analysis via Extended Generalized Pareto Distributions
Universidade de São Paulo（圣保罗大学）；Faculdade de Ciências, Universidade de Lisboa（里斯本大学理学院）
本研究提出扩展广义帕累托模型用于右删失生存数据的尾部推断与长期外推，比较三种扰动设定，发现Beta模型在尾部指数估计上最优，直方图估计器在低删失下尺度估计最佳，且拟合相似时外推结果可能差异显著。
2026-09-24 math.ST stat.AP stat.ME
PIONEER: Bayesian Joint Modelling of Mechanistic Tumour Growth and Time-to-Event Endpoints for Dynamic Prediction of Ongoing Oncology Trials
针对肿瘤学临床试验生存数据不成熟的问题，提出PIONEER贝叶斯联合建模框架，结合肿瘤大小动态与临床事件子模型，通过单次前向模拟得出临床终点，经案例验证可提前预测且量化不确定性，为临床开发决策提供支持。
2026-07-21 math.ST stat.AP stat.ME
