Smooth Transformation Models for Survival Analysis: A Tutorial Using R
Universität Zürich（苏黎世大学）
本文介绍平滑变换模型框架在R中统一处理多种生存模型，包括非比例风险、相依删失等复杂场景，并利用直肠癌试验数据演示实现。
2026-06-06 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
J- and MJ-Type Tests for Non-Nested Parametric Survival Models with a Cure Fraction: A Score Test Approach
Institute of Mathematics and Statistics, Federal University of Goiás（戈亚斯联邦大学数学与统计学院）；Department of Statistics, Federal University of Paraíba（帕拉伊巴联邦大学统计学系）；Department of Statistics, Federal University of Pernambuco（伯南布哥联邦大学统计学系）
针对含治愈比例的非嵌套参数生存模型，提出基于得分检验的模型设定检验，仅需受限最大似然估计，统计量简化为对数似然差样本均值的二次型，并扩展至多个竞争模型。
2026-07-03 stat.ME
Non-Smooth Backfitting for Excess Risk Additive Regression Model with Two Survival Time-Scales
本文提出了一种新的后拟合算法来估计Scheike（2001）的复杂结构的非参数生存模型，而无需使用平滑。所考虑的模型是一个非参数生存模型，具有两个时间尺度，相当于一个常数，随受试者而变化。协变量效应通过加性Aalen模型在每个时间尺度上线性建模。通过求解两个时间尺度上的局部估计方程，给出了两个时间尺度上的累积强度估计。我们能够估计的累积强度解决回拟合估计方程，而不使用平滑方法，我们提供了大样本特性和同步置信带。该模型被应用于心肌梗死的数据，提供了一个分离的两个影响，从诊断和年龄的时间。
2019-04-02 stat.ME
Multilevel mixed effects parametric survival analysis: Estimation, simulation and application
在这篇文章中，我介绍了用户编写的stmixed命令，用于拟合多级生存模型，它既是Stata官方mestreg的替代品，也是一个具有大量扩展的免费程序。stmixed可以拟合具有任意数量水平和每个水平的随机效应的多水平生存模型，包括灵活的基于样条的方法（如Royston-Parmar和对数危险当量）或用户定义的危险模型。可以包括简单或复杂的时间依赖性效应，以及增加相对生存模型的预期死亡率。可以使用左截断/延迟输入，并提供t分布随机效应作为高斯随机效应的替代方案。这些方法用患有复发性感染的肾病患者的常用数据集和模拟示例来说明，该模拟示例说明了使用survsim模拟聚类生存数据的简单方法（Crowther和Lambert 2012，2013）。stmixed是梅林家族的一部分（Crowther 2017，2018）。
2019-07-02 stat.CO stat.ME
Parmsurv: a SAS Macro for Flexible Parametric Survival Analysis with Long-Term Predictions
卫生经济学评价通常需要预测随访期后的生存率。参数生存模型比Cox模型更便于经济建模。广义伽玛（GG）和广义F（GF）分布是一个广泛的分布族，包含了几乎所有常用的分布，具有各种危险形状和任意复杂性。在这项研究中，我们提出了一个新的SAS宏实现各种灵活的参数模型，包括GG和GF分布及其特殊情况下，以及Gompertz分布。还支持适当的自定义分发。与现有的SAS程序不同，该宏不仅支持对位置参数的回归，还支持对辅助参数的回归，这大大增加了模型的灵活性。此外，SAS宏支持加权回归、分层回归和稳健推断。本研究通过几个示例演示了SAS宏如何用于灵活的生存建模和外推。
2022-07-12 stat.AP stat.CO stat.ME
Blended Survival Curves: A New Approach to Extrapolation for Time-to-Event Outcomes from Clinical Trial in Health Technology Assessment
由于随机对照试验（RCTs）的持续时间有限，生存期外推在成本效益分析中是必不可少的，以量化与新干预措施相关的终生生存获益。目前的外推方法通常假设试验中观察到的处理效应可以无限期地持续下去，这是不现实的，可能对资源分配的决定产生巨大影响。目的介绍一种新的方法，以缓解临床试验中严重删失数据的生存外推问题。方法主要思想是混合一个灵活的模型（例如，Cox半参数），以尽可能拟合观察到的数据和参数模型编码的基础长期生存的预期行为的假设。这两个“混合”成一个单一的生存曲线，这是相同的Cox模型在观察时间的范围内，并逐渐接近参数模型的外推期的基础上的权重函数。权重函数调节两条生存曲线的混合方式，确定内部和外部来源如何随着时间的推移对估计的生存做出贡献。结果利妥昔单抗联合氟达拉滨和环磷酰胺与单用氟达拉滨和环磷酰胺一线治疗慢性淋巴细胞白血病的4年随访RCT用于说明该方法。结论不成熟试验数据的长期外推可能导致不同建模假设下的估计值存在显著差异。混合方法提供了足够的灵活性，允许考虑各种可能的情景，并包括基于硬数据或专家意见等的真实外部信息。内部效度和外部效度都可以仔细检查。
2022-06-01 stat.ME
A Parametric Approach to Relaxing the Independence Assumption in Relative Survival Analysis
在已知死亡原因（CoD）的情况下，竞争风险生存方法适用于估计疾病特异性生存期。相对生存分析可用于估计疾病特异性生存率，当死亡原因未知或存在错误指定且实际使用不可靠时。这种方法在基于人群的癌症生存研究中很流行，使用注册数据，不需要CoD信息。标准估计值是癌症队列组中的全因生存率与一般参考人群的已知预期生存率之比。疾病特异性死亡与其他死亡原因竞争，可能在CoD之间产生依赖性。标准比估计仅在疾病死亡和其他原因死亡相互独立时才有效。为了放松独立性假设，我们使用基于Copula的模型来制定相关性。在没有CoD信息的情况下，采用基于似然的参数方法拟合疾病特异性死亡的分布，其中假设copula已知，其他死因的分布来自参考人群。我们提出了一个敏感性分析，其中的分析是在一系列假设的依赖结构。我们证明了我们的方法的效用，通过模拟研究和法国乳腺癌数据的应用。
2021-12-08 math.ST stat.ME stat.TH
A flexible parametric approach to synthetic patients generation using health data
本文提出一种结合序贯条件回归与灵活参数化生存模型的合成患者数据生成方法，并开发R和Python实现，在克雅氏病登记数据上验证了其复现多变量分布和生存结局的能力。
2024-12-30 stat.ME
casebase: An Alternative Framework For Survival Analysis and Comparison of Event Rates
在至事件发生时间数据的流行病学研究中，临床医生和患者感兴趣的量是给定协变量特征的事件风险。然而，依赖于时间匹配或风险集抽样（包括Cox回归）的方法从似然表达式或估计函数中消除了基线风险。然后需要使用非参数方法单独估计基线危险。这导致难以解释的累积发病率的逐步估计。Hanley & Miettinen（2009）使用基于案例的抽样解释了如何使用逻辑斯谛回归估计参数风险函数。他们的方法自然会导致对时间上平滑的累积发病率的估计。在本文中，我们提出了案例库R包，一个全面的和灵活的工具包参数生存分析。我们描述了如何在更复杂的环境中使用基于案例的框架：竞争风险，随时间变化的曝光，和变量选择。我们的软件包还包括一系列广泛的可视化工具，以补充对事件发生时间数据的分析。我们通过四个不同的案例研究来说明所有这些功能。* 工代机构和监测组对这项工作作出了同等贡献。
2020-09-22 stat.ME
Informed Bayesian survival analysis
我们概述了贝叶斯估计，假设检验和模型平均，并说明它们如何有利于参数生存分析。我们将贝叶斯框架与目前占主导地位的频率论方法进行了对比，并强调了其优势，例如无缝整合历史数据，持续监测证据，以及整合真实数据生成过程的不确定性。我们说明了贝叶斯方法的应用，从结肠癌试验的一个例子数据集。我们比较了贝叶斯参数生存分析和频率论模型与AIC/BIC模型选择在固定n设计和序贯设计中的模拟研究。在示例数据集中，贝叶斯框架提供了对切除的结肠癌患者的无病存活率不存在积极处理效应的证据。此外，贝叶斯序贯分析将比标准频率主义分析提前10.3个月终止试验。在一项采用序贯设计的模拟研究中，贝叶斯框架平均在几乎一半的时间内做出了决定，而频率论框架则保持了相同的功效和适当的假阳性率。在模型误设下，贝叶斯框架导致更高的假阴性率相比，频率主义的同行，这导致更高比例的未决定的试验。在固定n设计中，贝叶斯框架在估计小样本处理效应时显示出略高的功效、略高的错误率、较低的偏倚和RMSE。我们已经在RoBSA R软件包中提供了分析方法。当应用于参数生存分析时，概述的贝叶斯框架提供了几个好处。它更有效地使用数据，能够大大缩短临床试验的时间，并提供更丰富的推论。
2022-09-11 stat.ME
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
Nonlinear Semi-Parametric Models for Survival Analysis
Carnegie Mellon University（卡内基梅隆大学）
半参数生存分析方法，如Cox比例风险（CPH）回归（Cox，1972），是一种流行的生存分析方法。这些方法涉及拟合对数比例风险作为协变量的函数，并且很方便，因为它们不需要估计基线风险率。最近的方法涉及学习输入协变量的非线性表示，并表现出更好的性能。在本文中，我们反对这种深度参数化的生存分析和实验证明，更多的可解释的半参数模型的灵感来自专家的混合物表现同样出色，或在某些情况下比这种过度参数化的深度模型更好。
2019-05-14 cs.LG stat.ML
Cross-validation and Peeling Strategies for Survival Bump Hunting using Recursive Peeling Methods
我们引入了一个框架，建立一个生存/风险碰撞狩猎模型与删失的时间到事件的反应。我们的生存颠簸狩猎（SBH）方法是基于递归剥离程序，使用特定的生存剥离标准来自非/半参数统计，如危险比，对数秩检验或纳尔逊-阿伦估计。为了优化模型的调整参数并验证它，我们引入了一个基于生存或预测误差统计的目标函数，如对数秩检验和一致性误差率。我们还描述了两种替代交叉验证技术，适用于联合任务的决策规则制定递归剥离和生存估计。数值分析表明，复制交叉验证的重要性和标准和技术之间的差异，在低维和高维设置。虽然存在几个非参数生存模型，没有解决直接识别局部极值的问题。我们展示了SBH如何有效地估计与其他模型不同的极端生存/风险亚组。这提供了对常用模型的行为的深入了解，并建议在实践中采用的替代方案。最后，我们的SBH框架应用于临床数据集。在其中，我们确定了以临床和人口统计学协变量为特征的患者子集，这些患者具有独特的极端生存结局，可以进行量身定制的医疗干预。R包'PRIMsrc'在CRAN和GitHub上可用。
2015-11-20 stat.ME
Clustering Survival Data using a Mixture of Non-parametric Experts
Federal University of Rio de Janeiro（里约热内卢联邦大学）
SurvMixClust将聚类与生存函数预测统一于非参数专家混合框架，在五个公共数据集上生成平衡且生存曲线不同的聚类，优于聚类基线，预测精度媲美非聚类生存模型。
2024-05-24 cs.LG stat.ML
Empirical Simulation of Survival and Mixed-Type Data for Clinical Trial Design
Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）；Eli Lilly and Company（礼来公司）
本研究提出基于经验Copula的R包EmpiricalSim，用于模拟含多类型变量的多元生存数据，可匹配目标生存分布并保留变量间相关性，在肿瘤临床试验数据重建中表现良好。
2026-08-14 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
A Real Data-Driven, Robust Survival Analysis on Patients who Underwent Deep Brain Stimulation for Parkinson's Disease by Utilizing Parametric, Non-Parametric, and Semi-Parametric Approaches
本研究利用参数化、非参数化和半参数化方法，分析帕金森病患者接受深部脑刺激后的生存情况，发现女性患者生存率较高，生存时间分布特征不同。
2025-12-14 stat.AP stat.OT
Predictive Assessment and Comparison of Bayesian Survival Models for Cancer Recurrence
ELLIS Institute Finland（芬兰 ELLIS 研究所）；Department of Computer Science, Aalto University, Finland（阿尔托大学计算机系）
本文提出针对癌症复发研究中复杂数据特征的贝叶斯生存模型预测评估与比较方法，提供多种场景和模型的建议，并附带代码实现以帮助实际应用。
2026-01-09 stat.ME
A Bias-Corrected Two-Stage Approach for Joint Modelling of Multidimensional Longitudinal HRQoL and Survival Data
UCLouvain（天主教鲁汶大学）；Université de Liège（列日大学）
针对多维纵向HRQoL与生存数据联合建模中全联合估计计算量大的问题，提出斜率校正两阶段方法，通过信息先验传播纵向信息并重估斜率参数，降低偏差并保持计算效率。
2026-06-23 stat.AP stat.ME
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
Bayesian Survival Analysis Using the rstanarm R Package
生存数据在一系列学科中都会遇到，最明显的是健康和医学研究。虽然贝叶斯方法对生存数据的分析可以提供许多好处，但它们的使用不如经典方法（例如基于可能性的方法）广泛。这可能部分是由于相对缺乏用户友好的贝叶斯生存模型的实现。在这篇文章中，我们描述了如何使用rstanarm R包来拟合各种贝叶斯生存模型。rstanarm软件包通过提供一个用户友好的界面（用户使用习惯的R公式语法和数据框指定其模型）和使用Stan软件（一个用于贝叶斯推断的C++库）进行后端估计，促进贝叶斯回归建模。可以使用rstanarm估计的模型套件很广泛，包括广义线性模型（GLM），广义线性混合模型（GLM），广义加性模型（GAM）等。在本文中，我们只关注生存建模功能。这包括标准参数（指数，威布尔，Gompertz）和灵活的参数（样条）风险模型，以及标准参数加速失效时间（AFT）模型。允许所有类型的删失（左删失、右删失、区间删失），以及延迟录入（左截断）、时变协变量、时变效应和脆弱性效应。我们通过工作示例演示功能。我们预计这些实现将增加贝叶斯生存分析在应用研究中的应用。
2020-02-22 stat.CO stat.ME
Dynamic survival analysis: modelling the hazard function via ordinary differential equations
本文提出一种基于自治常微分方程组对风险函数动态进行参数化建模的通用方法，支持解析或数值求解，兼容贝叶斯与最大似然估计，并通过模拟和真实数据案例验证其性能与可解释性。
2024-07-18 stat.AP stat.ME
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
Simulating time-to-event data from parametric distributions, custom distributions, competing risk models and general multi-state models
在本文中，我描述了survsim命令模拟生存数据的一些实质性扩展。survsim现在可以模拟来自参数分布、自定义/用户定义分布、拟合梅林模型、指定原因特定危害竞争风险模型或指定通用多状态模型（具有多个时间尺度）的生存数据。左截断（延迟输入）现在也可用于所有设置。我用一些例子来说明这个命令，展示了可以用来更好地评估统计方法的巨大灵活性。
2021-10-20 stat.CO stat.ME
A review on competing risks methods for survival analysis
在对竞争风险生存数据进行建模时，统计学和机器学习文献中都提出了几种技术。最先进的方法扩展了经典方法，具有更灵活的假设，可以提高预测性能，允许高维数据和缺失值等。尽管如此，现代方法尚未在应用环境中广泛采用。本文旨在通过提供一个简明的竞争风险生存方法的纲要，以统一的符号和跨方法的解释来帮助这些方法的吸收。我们强调可用的软件，并在可能的情况下，通过可复制的R小插曲来演示它们的使用。此外，我们讨论了两个主要的问题，可以影响基准研究在这种情况下：性能指标和再现性的选择。
2022-12-10 stat.ME
Efficient Estimation For The Joint Model of Survival and Longitudinal Data
在生存研究中，重要的是记录关键纵向协变量的值，直到受试者事件发生。因此，必须使用联合模型研究纵向和事件发生时间结局之间的关联。本文应用剖面似然法估计了生存与纵向数据联合模型的累积危险度和回归参数。此外，我们通过对轮廓似然的渐近展开，证明了轮廓似然估计的渐近正态性，并得到了方差估计的显式形式。联合模型的回归参数的估计是半参数有效的。
2021-06-08 stat.ME
Joint modelling of longitudinal and time-to-event data applied to group sequential clinical trials
通常在测量长期至事件发生时间终点（如总生存期或无进展生存期）的III期临床试验中，研究者还收集可能预测主要终点的生物标志物的重复测量结果。尽管这些数据可能无法直接用于支持早期停止决策，但我们是否可以更好地利用这些数据来提高效率并改善中期决策？我们提出了一个纵向和时间事件数据的联合模型和一种方法，该方法建立了联合模型中参数的连续估计值在中期分析中的分布。有了这个，我们可以使用估计值来定义有效性和无效性停止规则。使用模拟，我们评估了纳入生物标志物信息的好处和对中期决策的影响。
2022-11-29 stat.ME
survextrap: a package for flexible and transparent survival extrapolation
本文介绍了R包survextrap，通过贝叶斯M-spline模型联合分析个体与汇总生存数据，实现灵活透明的长期生存外推，支持比例/非比例风险及治愈等机制，为健康技术评估提供全面工具。
2023-06-06 stat.ME
Causal survival analysis under competing risks using longitudinal modified treatment policies
本文将纵向修正治疗策略扩展到竞争风险下的生存分析场景，提出非参数局部有效估计量，并应用于 COVID-19 患者插管时间对急性肾损伤的影响估计。
2025-02-05 stat.ME
A fully likelihood-based approach to model survival data with crossing survival curves
比例风险（PH）、比例优势（PO）和加速失效时间（AFT）模型在不同的知识领域中被广泛应用于处理生存数据。尽管它们很受欢迎，但这些模型不适合处理具有交叉生存曲线的生存数据。Yang和Prentice（2005）提出了一种半参数双样本方法，在这里表示为YP模型，允许分析交叉生存曲线，并将PH和PO配置作为特殊情况。在一般的回归设置中，本工作提出了一个完全基于似然的方法来拟合YP模型。其主要思想是通过分段指数（PE）分布对基线风险进行建模。该方法具有半参数模型的灵活性和参数表示的易处理性。一个广泛的模拟研究开发，以评估所提出的模型的性能。此外，我们通过分析与癌症临床试验中招募的患者相关的生存时间来证明新方法的有用性。模拟结果表明，我们的模型表现良好，中等样本量在一般的回归设置。一个优越的性能也观察到相对于原来的YP模型设计的两个样本的情况下。
2019-10-06 stat.ME
Generalizing the Frailty Assumptions in Survival Analysis
本文研究了具有不可观测随机脆弱性的Cox回归风险模型，其中脆弱性变量没有特定的分布假设，边际寿命分布允许参数和非参数模型。应用拉普拉斯近似方法和欧氏空间中光滑流形上的梯度搜索，提出了一种非迭代轮廓似然优化方法来估计回归系数.所提出的方法进行了比较与期望最大化方法开发的基础上的伽玛脆弱性假设，也在脆弱性模型被误指定的情况下。
2015-10-08 stat.AP stat.CO stat.ME
Model Identifiability for Bivariate Failure Time Data with Competing Risk: Non-parametric Cause-specific Hazards and Gamma Frailty
本研究探讨了带有竞争风险的二元生存数据在非参数基线特定原因风险和不同Gamma脆弱性分布下的模型可识别性，证明了双非参数模型的不可识别性，并验证了四种Gamma脆弱性模型在一般假设下的可识别性。
2024-06-28 math.ST stat.TH
merlin - a unified modelling framework for data analysis and methods development in Stata
梅林可以做很多事情。从简单的东西，如拟合线性回归或威布尔生存模型，到三水平logistic混合效应模型，或多个纵向结果（不同类型）和复发事件的多变量联合模型，以及非线性效应的生存.这一清单是无止境的。梅林能做我从未想过的事。我将使用一个数据集，并尝试向您展示merlin的全部功能，并讨论Stata中实现的一些未来方向。
2018-06-05 stat.CO stat.ME
A general Bayesian bootstrap for censored data based on the beta-Stacy process
我们介绍了一种新的程序进行贝叶斯非参数推断与右删失数据，\emph{beta-Stacy bootstrap}。这近似于生存分布总结的后验法则（例如平均生存时间）。更确切地说，我们的程序近似的联合后验法的β-斯泰西过程，非参数过程之前，广义的狄利克雷过程，并广泛用于生存分析的泛函。beta-Stacy bootstrap推广并统一了其他常见的贝叶斯bootstrap，用于基于非参数先验的完整或删失数据。它由精确采样算法定义，不需要调整马尔可夫链蒙特卡罗步骤。我们通过分析来自真实临床试验的生存数据来说明β-Stacy自助法。
2021-11-16 math.ST stat.CO stat.ME
Energy-based survival modelling using harmoniums
University Medical Center Groningen（格罗宁根大学医学中心）
生存分析涉及时间轴数据的研究，其中感兴趣的事件可能仍然未被观察到（即，censored）。研究通常记录一种以上类型的事件，但传统的生存技术集中在一个单一的事件类型。我们开始整合多个独立删失的事件发生时间变量以及缺失的观察结果。一种基于能量的方法是在潜在状态和可见状态之间采用二分结构，称为谐波（或限制玻尔兹曼机）。目前的口琴，理论和实验，捕捉不同的时间记录之间的非线性可分离的模式。我们说明了现实世界的数据，对于一个单一的时间到事件的变量，我们的模型是等同于既定的方法。此外，我们还证明了通过利用额外的事件发生时间变量来提高判别预测。总之，多个时间到事件变量可以成功地捕获内的风琴范式。
2023-02-28 cs.LG stat.ML
Approaches for modelling the term-structure of default risk under IFRS 9: A tutorial using discrete-time survival analysis
本文提出了一种基于离散时间生存分析的方法，用于在IFRS 9框架下建模违约风险期限结构，并提供可重用的诊断措施和R代码库。
2025-12-15 q-fin.RM stat.AP
Accurate Evaluation of Quickest Changepoint Detectors via Non-parametric Survival Analysis
NEC Corporation（日本NEC公司）
本文提出非参数估计方法用于快速突变点检测中的平均运行长度和平均检测延迟，通过将突变点检测与生存分析类比，解决了有限和不规则序列长度下的估计问题，提升了模型的鲁棒性和可解释性。
2026-05-11 cs.IT cs.LG math.IT
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
Simulation-based assessment of a Bayesian survival model with flexible baseline hazard and time-dependent effects
本研究通过仿真评估基于M样条的灵活贝叶斯生存模型（survextrap R包），在肿瘤临床试验数据上验证其对复杂基线风险和时间效应拟合良好，并为模型选择及默认设置提供指导。
2025-03-27 stat.CO stat.ME
Dual divergences estimation for censored survival data
研究了右删失数据下参数模型的基于对偶发散估计的抗差估计。我们给出了所提出的估计量的极限定律，并通过模拟研究检验了它们的渐近性质。
2011-06-14 math.ST stat.TH
Survival Analysis via Ordinary Differential Equations
本文介绍了一个常微分方程（ODE）概念的生存分析。ODE概念不仅提供了一个统一的建模框架，更重要的是，还可以开发一个广泛适用的，可扩展的，易于实现的估计和推理过程。具体而言，ODE建模框架统一了许多现有的生存模型，如比例风险模型，线性变换模型，加速失效时间模型，和时变系数模型作为特例。所提出的框架的一般性作为一个广泛适用的估计程序的基础。作为一个说明性的例子，我们开发了一般半参数类的ODE模型的筛极大似然估计。与现有的估计方法相比，所提出的方法在计算可扩展性和数值稳定性方面具有优势。此外，为了解决由ODE概念引起的独特的理论挑战，我们建立了一个新的一般筛分M-定理捆绑参数，并表明所提出的筛分估计是一致的，渐近正态的，并达到半参数的效率界。在模拟研究和现实世界的数据例子中，所提出的估计的有限样本性能进行检查。
2021-12-05 math.ST stat.ME stat.TH
Mixture survival models methodology: an application to cancer immunotherapy assessment in clinical trials
免疫疗法的进展彻底改变了晚期肺癌的治疗前景，提高了对生存的期望，超出了这种疾病的历史预期。在本研究中，我们描述的方法，调整混合参数模型的两个人口的生存分析存在长期生存者。提出的方法分五个步骤：首先提出用多峰检验确定模型中考虑的亚群数目，然后调整简单参数生存模型和混合分布模型，估计参数，选择最佳拟合模型，最后，在随机临床试验的背景下，检验比较免疫疗法有效性的假设。该方法说明了从临床试验的数据，评估治疗性疫苗CIMAvaxEGF与最佳支持治疗晚期肺癌的有效性。混合生存模型允许估计接种疫苗的患者中44%的长期存活者亚群的存在。在两个亚群中，治疗组和对照组之间的差异均具有显著性（短期生存人群：p = 0.001，长期生存人群：p = 0.0002）。对于癌症治疗，如果一部分患者实现了疾病的长期控制，则必须考虑到人群的异质性。与标准模型相比，混合参数模型可能更适合检测免疫疗法的有效性。
2019-11-21 stat.AP
A General Framework for Survival Analysis and Multi-State Modelling
Dana–Farber Cancer Institute（达纳-法伯癌症研究所）；Harvard Medical School（哈佛医学院）；University of Oxford（牛津大学）；Improbable（Improbable公司）
生存模型是一种流行的工具，用于分析事件发生时间数据，并应用于医学，工程，经济学等领域。像Cox比例风险模型这样的进步使研究人员能够更好地描述单一致命事件发生的风险率，但无法准确地模拟竞争事件和转换。常见的现象通常通过多个状态更好地描述，例如：疾病的进展被建模为健康，生病和死亡，而不是健康和死亡，其中必须考虑死亡和疾病的竞争性质。此外，Cox模型受到建模假设的限制，如风险率和线性效应的比例。个体特征在观察单位（如患者）之间可能存在显著差异，导致特异质风险率和不同的疾病轨迹。这些考虑需要灵活的建模假设。为了克服这些问题，我们提出了使用神经常微分方程作为一个灵活的和一般的方法来估计多状态生存模型，直接求解Kolmogorov前向方程。为了量化由此产生的个体原因特异性风险率的不确定性，我们进一步引入了变分潜变量模型，并表明这使得有意义的聚类相对于多状态的结果以及关于协变量值的可解释性。我们表明，我们的模型在流行的生存数据集上表现出最先进的性能，并在多状态环境中证明了其功效
2021-02-15 cs.LG stat.ML
Local differential privacy in survival analysis using private failure indicators
本文提出在局部差分隐私下，通过私有化失败指标并用非参数核估计器估计累积风险函数，证明其一致性及极小极大最优性。
2024-02-06 math.ST stat.ME stat.TH
Modelling customer churn for the retail industry in a deep learning based sequential framework
University of Essex（埃塞克斯大学）；Profusion Media Ltd.（Profusion传媒有限公司）；Essex Business School（埃塞克斯商学院）；Friedrich-Alexander University Erlangen-Nuremberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）
提出基于循环神经网络的深度生存框架，仅依赖个体客户行为预测非合同零售环境下的客户流失，避免了耗时特征工程。
2023-04-02 cs.LG stat.AP stat.ML
Discrete-Time Survival Modelling with Dynamic Industrial Graphs for Mortgage Credit Risk
University of Edinburgh Business School（爱丁堡大学商学院）
该研究针对现有抵押贷款信用风险模型忽略经济关联演变的问题，提出带动态产业图的离散时间生存模型，经美国贷款数据验证，其样本内拟合与样本外判别均优于静态模型。
2026-10-27 q-fin.RM stat.AP
On Training Survival Models with Scoring Rules
LMU Munich（慕尼黑大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）；Imperial College London（伦敦帝国学院）
本研究探讨了将评分规则用于生存模型训练而非评估，提出了一个与模型无关且不局限于特定评分规则的通用框架，能参数化或非参数化学习事件时间分布，实证表明其预测性能具竞争力。
2024-11-13 cs.AI cs.LG stat.CO
A Flexible Joint Longitudinal-Survival Model for Analysis of End-Stage Renal Disease Data
我们提出了一个灵活的联合肿瘤生存框架，以检查纵向收集的生物标志物和事件发生时间终点之间的关联。更具体地说，我们使用我们的方法来分析终末期肾病患者的生存结果与时变血清白蛋白测量。我们提出的方法是强大的常见的参数假设，它避免了明确的分布假设的纵向措施，并允许受试者特定的基线风险的生存组成部分。进行完全联合估计以解释生存模型中包括的估计纵向生物标志物的不确定性。
2018-07-06 stat.AP
Self-Consistent Equation-guided Neural Networks for Censored Time-to-Event Data
Harvard Pilgrim Health Care Institute（哈佛朝圣者医疗保健研究所）；Harvard Medical School（哈佛医学院）；Harvard School of Public Health（哈佛公共卫生学院）；North Carolina State University（北卡罗来纳州立大学）
本文提出一种基于生成对抗网络和自洽方程的无模型深度学习方法，用于删失时间-事件数据中条件生存函数的非参数估计，并给出收敛速率及模拟与真实数据验证。
2025-03-12 cs.LG stat.ME stat.ML
Deriving the term-structure of loan write-off risk under IFRS 9 by using survival analysis: A benchmark study
North-West University（西北大学）；National Institute for Theoretical and Computational Sciences (NITheCS)（理论与计算科学国家研究所）
本文基于生存分析，比较了不同模型在估算IFRS 9下贷款违约风险期限结构中的表现，发现DtH模型在多数指标上表现优异，但单阶段模型在特定数据下仍更优。
2026-03-12 q-fin.RM stat.AP
Incorporating data drift to perform survival analysis on credit risk
Humboldt-Universität zu Berlin（柏林洪堡大学）；Bucharest University of Economic Studies（布加勒斯特经济研究大学）
本文提出一种动态联合建模框架，通过整合纵向行为标记与离散时间危险公式，提升信用风险模型在数据漂移下的鲁棒性和准确性。
2026-08-03 cs.LG q-fin.RM stat.ML
A Bayesian framework for patient-level partitioned survival cost-utility analysis
与临床试验同时收集的患者一级卫生经济数据是技术评估过程的一个重要组成部分，目的是为资源分配决策提供信息。对于生命末期治疗（如癌症治疗），成本效益/效用数据的建模可能涉及某种形式的分区生存分析，其中将进展前和进展后阶段的健康相关生活质量和生存时间的测量值相结合，以生成临床获益的某种综合测量值（如质量调整生存期）。此外，资源使用数据通常是从不同服务的健康记录中收集的，从中可以获得不同的成本组成（例如治疗、住院或不良事件成本）。这些分析中的一个关键问题是，有效性和成本数据都存在一些复杂性，包括非正态性、峰值和缺失，应使用适当的方法加以解决。贝叶斯模型提供了一个强大的工具，已成为越来越流行的卫生经济学和统计文献，以一种相对简单的方式共同处理这些问题。本文提出了一个一般的贝叶斯框架，考虑到基于试验的分割生存成本效用数据的复杂关系，可能提供更充分的证据，为决策者提供决策过程。我们的方法的动机是，并应用于，一个工作的例子，从一个试验的数据为基础，评估晚期非小细胞肺癌患者的新治疗的成本效益。
2020-11-21 stat.AP
Use of survival analysis and simulation to improve maintenance planning of high voltage instrument transformers in the Dutch transmission system
本文介绍了使用生存分析和仿真来模拟荷兰输电系统中高压Transformers的寿命。为了表示资产年龄，使用非参数Kaplan-Meier方法来拟合韦布尔分布。这种方法在三种不同的电压水平上实现，即110 kV、150 kV和220/380 kV。真实的故障和检查数据被用来实现一个现实的故障模型的互感器。本研究使用了1989年至2021年期间发生的故障和维护数据。尽管存在缺失和低质量的数据，仍然可以准备丰富的故障数据库。这项研究还提供了对因素的见解（即，电压水平，在服务年龄）影响剩余寿命的图形生存函数和参数韦布尔分布分析。基于衍生的统计数据，未来可能的维护计划场景在数字孪生支持平台中的复杂系统建模框架下进行模拟。最后，根据更换成本（CAPEX）、检查小时数和不可用小时数对方案进行评估。
2023-01-03 stat.AP
