Proportional hazards model with partly interval censoring and its penalized likelihood estimation
研究了生存时间为区间左、右截尾的半参数比例风险模型的拟合问题。我们采用了一种更通用的惩罚似然方法来同时估计基线风险和回归系数，其中引入惩罚以正则化基线风险估计。我们目前的渐近性质，我们的估计，允许的可能性，它可能位于参数空间的边界上。我们还提供了一个计算方法的基础上的边际似然，这使得正则化参数自动确定。仿真结果表明，该方法具有良好的性能。一个真正的数据应用程序涉及黑色素瘤复发的模型和R包实现的方法。
2019-04-15 stat.ME
Likelihood-based Instrumental Variable Methods for Cox Proportional Hazard Models
在生物统计学及相关领域中，考克斯比例风险模型被广泛用于协变量调整的分析。然而，当某些协变量未被观测时，通常无法获得无偏估计量。即使存在一些不可测量的协变量，也可以在一定的假设条件下应用工具变量方法。本文对考克斯比例风险模型提出了一种新的工具变量估计。估计量是与Martinez-Camblor等人相似的特征，2019年，但不完全相同;我们使用有限信息极大似然的思想。我们表明，估计有良好的理论性质。此外，我们确认我们的方法和以前的方法通过模拟数据集的属性。
2022-06-02 stat.ME
A provable two-stage algorithm for penalized hazards regression
从优化器的角度来看，实现一般非凸问题的全局最优值通常是NP-难的，使用经典的最坏情况分析。在Cox比例风险模型的情况下，考虑到其统计模型的结构，我们确定了局部强凸附近的全局最优值，我们提出了使用两个凸计划来优化折叠凹惩罚Cox比例风险回归。在理论上，我们调查的统计和计算的权衡所提出的算法，并建立强预言性质的估计。数值研究和实际数据分析进一步支持了我们的算法和理论。
2021-07-06 math.ST stat.ME stat.TH
A flexible adaptive lasso Cox frailty model based on the full likelihood
在这项工作中，提出了一种方法来规范Cox脆弱性模型，适应时变协变量和时变系数，是基于完整的，而不是部分的可能性。在这个框架中的一个特别的优点是，基线危险可以明确地建模在一个平滑的，半参数的方式，例如，通过P样条。变量选择的正则化通过套索惩罚和分类变量的组套索进行，而第二个惩罚正则化时变系数和基线风险的平滑估计的波动。此外，自适应权重包括稳定的估计。该方法在R中实现为coxlasso，并将与其他正则化Cox回归软件包进行比较。然而，现有的软件包不允许在coxlasso中容纳的不同效果的组合。
2020-03-31 stat.CO stat.ME
A Penalized Functional Linear Cox Regression Model for Spatially-defined Environmental Exposure with an Estimated Buffer Distance
针对环境暴露评估中缓冲区距离不确定的问题，提出基于惩罚函数线性Cox回归的域选择算法，并在护士健康研究中验证了绿色空间与抑郁的关联。
2023-12-31 stat.ME
Information criteria for detecting change-points in the Cox proportional hazards model
临床试验中常用的考克斯比例风险模型假设比例风险。然而，当例如存在处理效应的延迟开始时，它不成立。在这种情况下，预计风险比函数会发生急剧变化。本文考虑了具有变点的Cox模型，并导出了检测变点的AIC型信息准则。由于变点模型的不规则性，它不允许传统的统计渐近性，因此，惩罚参数数量两倍的正式AIC将无法解析推导，并且使用它将清楚地给出过拟合分析结果。因此，我们将在具有变点的Cox模型中使用偏似然估计方法构建特定的渐近性。基于AIC的原始推导方法，我们提出了数学上有保证的信息准则。如果在估计中使用部分似然，则可以以显式形式获得惩罚远大于参数数目的两倍的信息准则。数值实验证实，所提出的标准是明显优于AIC的原始目的，这是提供一个估计，是接近真实的结构。我们还将建议的标准应用于实际的临床试验数据，以表明它很容易导致与正式AIC不同的结果。
2022-04-21 stat.ME
Nonparametric Bayesian Adjustment of Unmeasured Confounders in Cox Proportional Hazards Models
本文提出一种两阶段非参数贝叶斯方法，通过基于暴露与结局似然的聚类检测并在各聚类内估计风险比，以解决Cox比例风险模型中未测量混杂因素导致的HR估计偏倚和参数识别困难问题。
2024-10-01 stat.ME
Mortgage Burnout and Selection Effects in Heterogeneous Cox Hazard Models
Baruch College（巴鲁克学院）
研究异质人口的总体危险率，探讨抵押贷款池中疲劳现象的结构解释，并扩展到随机强度模型，分析危险率随时间演变的机制。
2026-03-19 econ.GN q-fin.EC q-fin.MF
Statistical Inference for Cox Proportional Hazards Models with a Diverging Number of Covariates
对于协变量个数不同的回归模型的统计推断，现有文献通常对费舍尔信息矩阵的逆矩阵作稀疏性假设。然而，在Cox比例风险模型下，这些假设经常被违反，导致覆盖范围不足的置信区间的有偏估计。我们提出了一种改进的去偏套索方法，它解决了一系列的二次规划问题来近似逆信息矩阵，而不构成稀疏矩阵的假设。当协变量的维数随样本量而异时，我们建立了估计回归系数的渐近结果。大量的模拟表明，我们提出的方法提供了相合估计和置信区间与标称覆盖概率。该方法的实用性通过评估遗传标记对波士顿肺癌生存队列患者总生存率的影响进一步证明，波士顿肺癌生存队列是一项调查肺癌潜在机制的大规模流行病学研究。
2021-06-06 stat.ME
Moment-assisted subsampling method for Cox proportional hazards model with large-scale data
针对大规模数据下Cox比例风险模型计算效率低的问题，提出结合均匀子采样估计量与最优全数据样本矩的矩辅助方法，兼具子采样计算优势与全数据级估计效率，经模拟与真实数据验证性能优异。
2025-01-12 stat.ME
Bayesian regularization for flexible baseline hazard functions in Cox survival models
本研究针对Cox生存模型中半参数基线风险的过拟合与不稳定问题，提出基于分段常数混合和B样条的灵活基线风险贝叶斯正则化方法，通过真实数据和模拟实验验证了模型稳健性及B样条设定的优势。
2024-01-31 stat.ME
CauchyCP: a powerful test under non-proportional hazards using Cauchy combination of change-point Cox regressions
针对非比例风险数据，提出CauchyCP检验，结合变点Cox回归的Cauchy组合，在控制I类错误、提高功效和计算效率上优于现有方法，并已在CRAN发布R包。
2020-12-31 q-bio.GN stat.AP stat.ME
Generating survival times using Cox proportional hazards models with cyclic time-varying covariates, with application to a multiple-dose monoclonal antibody clinical trial
在两项通过多次输注单克隆抗体VRC01预防HIV感染的协调有效性研究中，一个关键目的是评价VRC01的血清浓度（随输注时间周期性变化）是否与HIV感染率相关。在发展这种生存模式时需要进行模拟研究。在本文中，我们考虑模拟事件时间数据与连续的时变协变量，其值随时间变化，通过多个药物管理周期，其对生存的影响变化不同的阈值之前和之后，在每个周期内。后者适应具有零保护生物标志物阈值的设置，高于该阈值，药物根据生物标志物水平提供不同水平的保护，但低于该阈值，药物不提供保护。我们提出了两种模拟方法：一种是基于模拟生存数据下的单剂量方案，首先在多剂量数据汇总之前，另一种是基于模拟生存数据直接下的多剂量方案。我们根据考克斯比例风险模型生成事件发生时间数据，该模型基于反转累积风险函数和用于将风险函数与协变量关联的对数链接函数。该方法的有效性进行了评估，在两组模拟实验。结果表明，所提出的程序在产生符合其循环性质和考克斯比例风险模型假设的数据方面表现良好。
2018-01-25 stat.ME
Should univariate Cox regression be used for feature selection with respect to time-to-event outcomes?
重要提示：至事件发生时间结局常用于临床试验和生物标志物发现研究，并主要使用考克斯比例风险模型进行分析。但目前还不清楚，当主要关注事件发生时间结果时，应推荐哪些统计模型用于特征选择任务。目的：探讨对数转换生存时间的高斯回归在特征选择上是否优于考克斯比例风险模型。设计：真实模型为10个协变量的多变量考克斯比例风险模型。对于所有特征选择比较，假设对于所有模型拟合，仅观察/测量10个真实特征中的5个，以及5个随机噪声特征。使用10，000个模拟数据集探索每个样本量和删失率场景。将不同的统计模型应用于同一数据集以估计特征效应。模型性能比较使用敏感性，特异性和准确性的效果大小排名。研究结果：当特征是独立的并且真实模型是多变量考克斯比例风险模型时，对数转换生存时间的高斯回归在特征选择方面，仅两个协变量的（反应变量）优于单变量考克斯比例风险模型和逻辑斯谛回归，不仅灵敏度更高，特异性相当，而且效应量排序的准确性更高，无论样本量和删失率值如何。结论和相关性：本研究证明了在至事件发生时间结局的特征选择实践中纳入对数转换生存时间的高斯回归的重要性。
2022-08-20 stat.ME
High-dimensional variable selection for Cox's proportional hazards model
高维空间中的变量选择问题从多个学科的前沿向当代统计问题提出了挑战。最近的技术进步使得通过生物成像技术收集大量的协变量信息（如微阵列、蛋白质组学和SNP数据）成为可能，同时在临床研究中观察患者的生存信息。因此，同样的挑战适用于生存分析，以了解基因组学信息和关于生存时间的临床信息之间的关联。在这项工作中，我们将确定筛选程序Fan和Lv（2008）扩展到Cox比例风险模型，并提供了迭代版本。数值模拟研究表明，令人鼓舞的性能相比，与其他技术，如LASSO所提出的方法。这证明了迭代确定独立筛选方案的实用性和通用性。
2010-05-19 stat.ME stat.ML
Cox model inference for relative hazard and pure risk from stratified weight-calibrated case-cohort data
针对病例队列设计在医学文献中应用不足的问题，提出统一方法和R软件CaseCohortCoxSurvival，利用影响函数和考虑两阶段抽样的方差计算，支持分层、权重校准及多种抽样方式，实现对Cox模型对数相对风险、累积基线风险和纯风险的推断。
2023-04-06 stat.ME
Non-collapsibility and Built-in Selection Bias of Hazard Ratio in Randomized Controlled Trials
本文通过模拟研究随机对照试验中Cox风险比的非可折叠性与固有选择偏倚，发现条件风险比存在偏差，而逆概率治疗加权Cox模型可无偏估计边际风险比，并建议避免使用时期特异性风险比。
2024-01-12 stat.ME
Incorporating External Risk Information with the Cox Model under Population Heterogeneity: Applications to Trans-Ancestry Polygenic Hazard Scores
多基因危险评分（PHS）模型设计的欧洲血统（欧元）的个人提供了充足的信息，生存风险歧视。阐明这些信息可以提高风险歧视的性能在一个内部的小规模非欧元队列。然而，鉴于外部基于欧元的模型和内部个体水平的数据来自不同的人群，忽略人群异质性可能会引入大量偏倚。在本文中，我们开发了一个基于Kullback-Leibler的Cox模型（CoxKL），将内部个人水平的事件发生时间数据与来自已发表预测模型的外部风险评分相结合，考虑了人群异质性。基于部分似然的KL信息被用来衡量外部风险信息和内部数据之间的差异。我们建立了CoxKL估计的渐近性质。仿真结果表明，基于CoxKL方法的融合模型提高了估计效率和预测精度。我们应用所提出的方法来开发一个跨祖先PHS模型的前列腺癌，并发现，整合以前发表的基于欧元的PHS与非洲血统（AFR）男性的内部基因型数据，前列腺癌的风险歧视产生了相当大的改善。
2023-02-22 stat.AP stat.ME
The R package $\texttt{ebmstate}$ for disease progression analysis under empirical Bayes Cox models
软件包$\texttt{mstate}$与软件包$\texttt{survival}$相结合，不仅提供了一个完善的R语言多状态生存分析框架，而且也是最完整的框架之一，因为它包括相对转移风险、累积转移风险和状态占用概率的点估计和区间估计，都是在时钟向前和时钟重置模型下;个性化估计值，即具有特定协变量测量值的个体的估计值，也可以通过拟合Cox回归模型用$\texttt{mstate}$获得。新的R包$\texttt{ebmstate}$，我们目前在本文中，是一个扩展的$\texttt{mstate}$，据我们所知，第一个R包的多状态模型估计，适用于高维数据和完整的意义上刚才提到的。它是对$\texttt{mstate}$的三方面扩展：它将Cox模型转换成一个正则化的经验贝叶斯模型，该模型在高维数据下表现得更好;它用非参数bootstrap置信区间代替了用于低维设置的渐近置信区间;它引入了一个分析性的，时钟重置模型的状态占用概率的基于傅立叶变换的估计器，比$\texttt{mstate}$中相应的基于仿真的估计器快得多。本论文包括一个详细的教程，如何使用我们的包来估计过渡危险和状态占用概率，以及模拟研究，显示它如何提高性能的$\texttt{mstate}$。
2022-01-19 stat.CO stat.ME
Adjusting for bias introduced by instrumental variable estimation in the Cox Proportional Hazards Model
工具变量（IV）方法广泛用于在存在不可测量混杂因素的情况下估计平均处理效应。然而，现有的IV程序的能力，最值得注意的是两阶段剩余纳入（2SRI）程序建议用于非线性背景下，占未测量的混杂因素在Cox比例风险模型尚不清楚。我们发现，仪器的内源性治疗诱导一个不可测量的协变量，称为个人的弱点，在生存分析的说法，如果不占导致偏见。我们提出了一个新的程序，增强2SRI与个人的弱点，并证明它是一致的，在一定条件下。通过蒙特卡罗模拟，在广泛的条件下研究了有限样本量的行为。最后，所提出的方法被用来估计颈动脉内膜切除术与颈动脉支架置入术对颈动脉疾病患者死亡率的平均影响。结果表明，与传统的2SRI相比，2SRI脆弱估计量通常可以降低点估计量和区间估计量的偏差。
2017-11-07 stat.ME
Propensity score weighted Cox regression for survival outcomes in observational studies with multiple or factorial treatments
Qiuzhen College, Tsinghua University（清华大学邱耀学院）；Duke University（杜克大学）
本文提出了一种基于倾向评分加权的Cox回归方法，用于估计多重或因子治疗在观察性研究中生存结局的因果危险比，并开发了相应的R包。
2026-01-30 stat.ME
Optimal Cox regression under federated differential privacy: coefficients and cumulative hazards
University of Warwick（华威大学）
本文研究了在联邦差分隐私下分布式生存分析中的两个基础问题，即Cox回归系数和累积基线危险函数的估计，考虑了异质样本量和隐私预算。通过推导最小最大下界和上界，揭示了隐私与非隐私 regime 之间的服务器级相变，并提出了一种基于树的Breslow估计器用于非参数积分估计。
2026-10-20 math.ST stat.ME stat.TH
Bayesian variable selection in a Cox proportional hazards model with the "Sum of Single Effects" prior
本文提出CoxPH-SuSiE方法，将SuSiE扩展到Cox比例风险模型，用于解决遗传精细定位中高相关性和大规模数据下的时间-事件结局贝叶斯变量选择问题，并在模拟数据和UK Biobank哮喘数据中验证了其有效性。
2025-06-06 q-bio.QM stat.AP stat.ME
Bayesian inference on Cox regression models using catalytic prior distributions
针对小样本下Cox模型最大偏似然推断的问题，提出Cox催化先验分布，推导正则化对数偏似然估计，证明其一致性，实验显示其性能优于标准方法且与现有收缩方法相当。
2024-12-14 stat.ME
Efficient Bayesian Inference in the Cox Model via Rank-Ordered Likelihood
Tokyo University of Science（东京科学大学）；Tokyo Medical University（东京医科大学）；Keio University（庆应义塾大学）
本文提出两种基于秩有序数据表示的Gibbs采样算法，用于Cox模型的贝叶斯推断，具有无需后验样本修正、自然处理 tied 事件时间及易扩展至共享 frailty 模型的优势。
2026-04-28 stat.ME
Wild Bootstrap based Confidence Bands for Multiplicative Hazards Models
我们提出了新的基于重采样的方法来构造多状态Cox模型中累积风险函数的渐近有效的时间同时置信带。特别是，我们详细讨论了简单Cox模型的方法与不定常协变量，其中的数据可能会受到独立的右删失或左截断。在广泛的模拟，我们调查他们的有限样本行为。最后，对一个实例进行了分析.
2018-08-01 math.ST stat.ME stat.TH
Statistical tests for comparing the associations of multiple exposures with a common outcome in Cox proportional hazard models
提出一种基于复制方法的 Cox 模型多变量 Wald 检验，用于正式比较多种暴露与共同结局的关联差异，并通过膳食模式与慢性病实例及 R 代码验证其灵活性。
2024-03-20 stat.AP stat.ME
Efficient Estimation For The Cox Proportional Hazards Cure Model
在分析至事件发生时间数据时，可能有一定比例的受试者将永远不会经历感兴趣的事件，并且他们被认为是治愈的。当考虑到生存模型的这一特征时，这些模型通常被称为治愈模型。在存在协变量的情况下，可以通过使用治愈模型来对群体的条件生存函数进行建模，治愈模型取决于未治愈的概率（发生率）和未治愈受试者的条件生存函数（潜伏期），并且使用逻辑斯谛回归和Cox比例风险（PH）回归的组合分别对发生率和潜伏期进行建模。本文通过对剖面似然的渐近展开，证明了剖面似然估计的渐近正态性，并得到了剖面似然中含有隐函数的方差估计的显式形式。我们还证明了基于投影理论的有效得分函数与轮廓似然得分函数是相等的。本文的贡献在于将有效信息矩阵表示为轮廓似然得分函数的方差。模拟研究表明，估计的标准误从自助样本（SMCURE包）和配置文件的可能性得分函数（我们的方法）提供了类似的和可比的结果。我们提出的方法的数值结果也通过使用来自SMCURE R-包的黑素瘤数据示出（Cai等人，2012），并将结果与SMCURE软件包的输出进行比较。
2020-01-24 stat.ME
Efficient Gibbs Sampling in Cox Regression Models Using Composite Partial Likelihood and Pólya-Gamma Augmentation
针对Cox回归贝叶斯方法基线风险建模复杂、计算低效的问题，提出GS4Cox全吉布斯采样器，结合广义贝叶斯框架、复合部分似然、Pólya-Gamma增强及仿射校准，实现高效采样并提升估计性能。
2025-11-18 stat.ME
Scalable algorithms for semiparametric accelerated failure time models in high dimensions
半参数加速失效时间（AFT）模型是考克斯比例风险模型的一种有用的替代方法，特别是当常数风险比假设不成立时。然而，用于拟合AFT模型的基于秩的标准通常是不可微的，这在高维设置中构成了计算挑战。在这篇文章中，我们提出了一个新的交替方向方法的乘数算法拟合半参数AFT模型，通过最小化惩罚的基于秩的损失函数。我们的算法在受试者数量和预测因子数量方面都有很好的扩展性，并且可以轻松地适应各种流行的处罚。为了改善调整参数的选择，我们提出了一个新的标准，避免了一些常见的问题，交叉验证与删失响应。通过广泛的模拟研究，我们表明，我们的算法和软件比现有的方法（只能适用于特殊情况）要快得多，我们表明，估计最小化惩罚基于秩的标准往往优于替代估计最小化惩罚加权最小二乘标准。九个癌症数据集的应用程序进一步表明，基于秩的半参数AFT模型的估计量是有竞争力的估计，假设比例风险模型在高维设置，而加权最小二乘估计往往不是。实现该算法的软件包以及一组辅助函数可在github.com/ajmolstad/penAFT下载。
2022-01-19 stat.CO stat.ME
Regularization for Cox's proportional hazards model with NP-dimensionality
每个样品具有数千个测量值的高通量基因测序阵列和大量相关的删失临床数据增加了对更好的测量特异性模型选择的苛刻需求。本文在Cox比例风险模型的框架下，建立了非多项式（NP）维删失数据的非凹惩罚方法的强预言性质。采用了一类折叠凹罚函数，并对LASSO和SCAD进行了详细讨论。我们揭示了在哪些维度和相关性限制下可以构建和掌握Oracle估计量的问题。结果表明，非凹罚导致显着减少的“不可表示的条件”所需的LASSO模型选择的一致性。推广了自带利息鞅的大偏差结果，刻画了强预言性。此外，非凹正则化估计，渐近实现的信息界的预言估计。一个坐标明智的算法，发现惩罚风险回归问题的解决方案路径的网格，其性能进行评估模拟和基因关联研究的例子。
2012-05-25 math.ST stat.ME stat.ML
IV estimation of causal hazard ratio
Cox比例风险模型是评价暴露与删失失效时间结果之间关联的最流行的统计模型之一。当未完全观察到混杂因素时，使用Cox模型估计的暴露风险比存在未测量的混杂偏倚。为了解决这一问题，我们提出了一种新的方法来识别和估计的因果风险比存在不可测量的混杂因素。我们的方法是基于一个二进制工具变量，和一个额外的无相互作用的假设，在第一阶段回归的治疗IV和未测量的混杂因素。我们建议，据我们所知，第一个相合估计量（人口）的因果风险比内的工具变量的框架。我们的估计的一个版本承认一个封闭形式的表示。我们导出了估计量的渐近分布，并给出了其渐近方差的相合估计量。我们的方法是通过模拟研究和数据应用程序说明。
2022-01-02 stat.ME
Weighted hazard ratio estimation for delayed and diminishing treatment effect
在确证性临床试验中观察到非比例风险（NPH）与至事件结局的时间。在NPH下，风险比不随时间保持恒定，对数秩检验不再是最有效的检验。加权对数秩检验（WLRT）已被引入到处理非比例性的存在。我们将注意力集中在基于Lin和León（2017）提出的随时间变化的处理效应的WLRT和补充Cox模型（doi：10.1016/j.conctc.2017.09.004）。我们将研究所提出的加权风险比（WHR）方法在WLRT统计量是最有效检验的情况下是否无偏。在WLRT统计量最佳的处理效应递减情况下，通过Cox模型估计的时变处理效应估计的处理效应非常接近真实效果。然而，当真实风险比较大时，我们注意到所提出的模型高估了处理效应和随时间推移的处理特征。然而，在延迟治疗情况下，随时间推移的估计处理效应曲线通常接近真实曲线。对于这两种情况，我们已经通过分析证明，在某些约束条件下，风险比函数近似相等。总之，我们的结果表明，在某些情况下，给定的WLRT将是最强大的，我们观察到，从相应的Cox模型的WHR估计的处理效应接近真实的。
2022-09-23 stat.ME
A Cosine-Projection Framework for Choosing Among Cox HR, D-RMST, and Average-Hazard Tests in Survival Trials
本文提出余弦投影框架，推导Cox HR、D-RMST、RAH检验的渐近相对效率，揭示删失和入组对效率排序的影响，经CheckMate 057试验和模拟验证，为生存试验检验选择提供统一方法。
2026-10-14 stat.AP stat.ME
Structured Estimation in Nonparameteric Cox Model
为了更好地理解删失和稀疏性的相互作用，我们发展了非参数Cox比例风险模型的有限样本性质。由于测序数据的高度影响，携带每个个体的遗传信息，我们工作与过参数化问题，并提出了适用于稀疏结构变量选择和估计的一般类的组惩罚。新的非渐近三明治边界的部分似然开发。我们建立了它们如何推广Le Cam的局部渐近正态性（LAN）的概念。这种非渐近LAN原则进一步扩展到高维空间，其中$p \gg n$。在适当的截尾条件下，非参数Cox比例风险模型中惩罚估计的有限样本预测性质与线性模型中惩罚估计的有限样本预测性质一致.
2014-09-19 math.ST stat.ME stat.ML
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
Multiple imputation in Cox regression when there are time-varying effects of exposures
在Cox回归中，研究暴露的时变效应（TVE）和检验比例风险假设有时很有意义。TVE可通过将对数风险比建模为时间函数进行研究。缺失暴露数据很常见，多重插补（MI）是处理这一问题的常用方法，以避免“完整病例”分析导致的潜在偏倚和效率损失。当实质性模型是Cox比例风险回归时，已经提出了两种MI方法：近似方法（White和Royston，Statist. 2009;28：1982-98）和实质模型相容方法（Bartlett等人，SMMR 2015;24：462-87）。目前，这两种方法都不适用于暴露的TVE。我们扩展他们这样做的一般形式的TVE，并给出具体的细节TVE建模使用限制三次样条。模拟研究评估的性能的方法下，几个基本的形状TVE。我们提出的方法给出了近似无偏的TVE估计的二进制曝光与缺失数据，但连续曝光的实质模型兼容的方法表现得更好。该方法还给出了近似正确的第一类错误在测试中的比例风险时，没有TVE，并获得功率检测TVE相对于完整的情况下分析。在插补阶段忽略TVE会导致TVE估计值偏倚、不正确的第一类错误和检测TVE的功效大幅损失。我们还提出了一个多变量TVE模型选择算法。该方法说明使用鹿特丹乳腺癌研究的数据。提供了示例R代码。
2017-06-28 stat.ME
On the $L_p$-error of the Grenander-type estimator in the Cox model
考虑Cox回归模型，研究单调基线风险函数Grenander型估计的渐近全局性态。Durot（2007）的一般设置中不包括该模型。然而，我们发现，一个类似的中心极限定理成立的$L_p$ -错误的Grenander型估计。我们还提出了一个威布尔基线分布的检验程序，基于$L_p$ -距离之间的Grenander估计和参数估计的基线风险。进行模拟研究，以调查该测试的性能。
2019-07-16 math.ST stat.ME stat.TH
Competing Risk Analysis in Cardiovascular Outcome Trials: A Simulation Comparison of Cox and Fine-Gray Models
Global Statistical Sciences, Eli Lilly and Company（全球统计科学，礼来公司）
本研究比较了Cox模型和Fine-Gray模型在心血管结局试验中的表现，发现低竞争风险下Cox模型更适用，而高竞争风险时需考虑替代方法。
2026-02-17 stat.AP stat.ME
Nonparametric inference under a monotone hazard ratio order
两个群体或单个群体的两个分层的风险函数的比率在时间-事件分析中起着重要作用。Cox回归通常用于估计风险比，假设其在时间上是恒定的，这被称为比例风险假设。然而，这一假设在实践中经常被违反，并且当违反时，Cox回归估计的参数很难解释。风险比可以使用平滑以非参数方式估计，但基于平滑的估计量对调谐参数的选择敏感，并且通常难以使用此类估计量执行有效的推断。在某些情况下，已知风险比函数是单调的。在这篇文章中，我们证明了风险比函数的单调性定义了一个不变的随机序，我们研究了这个序的性质。在单调性约束下，我们还引入了风险比函数的一个估计。我们证明了我们的估计量在分布上收敛到均值零极限，并且我们使用这个结果来构造渐近有效的置信区间。最后，我们进行数值研究，以评估我们的估计有限样本的行为，我们使用我们的方法来估计肺腺癌患者的无进展生存期的风险比吉非替尼或卡铂-紫杉醇治疗。
2022-07-11 stat.ME
Estimating populational-average hazard ratios in the presence of unmeasured confounding
Cox回归模型及其相关风险比（HR）常用于总结治疗对至事件结局时间的影响。然而，人力资源的解释强烈依赖于假设的基本生存模型。解释人力资源的挑战一直是最近的一些作品的重点。此外，还提出了一些替代措施，以解决这些问题。边际Cox回归模型包括一个可识别的风险比，没有个体但人群的因果解释。本文研究了一类特殊的边际Cox回归模型的性质，并考虑了在忽略混杂因素的情况下模型的估计。我们证明了大样本的一致性，允许非二进制处理的估计得分。我们的蒙特卡罗模拟表明，有限样本行为的程序是足够的。所研究的估计是更强大的比它的竞争对手弱的工具，虽然它是稍微偏大的治疗效果。所提出的技术的实际使用说明通过一个真正的实际例子，使用来自血管质量倡议注册表的数据。使用的R代码作为补充材料提供。
2021-08-08 stat.AP stat.ME
Built-in Selection Bias in Proportional Hazards Models with Omitted Covariates: Simulation Evidence and Alternative Approaches
Univ. Bordeaux, INSERM, Bordeaux Population Health, U1219（波尔多大学，INSERM，波尔多人口健康研究中心，U1219）
本文通过模拟和实际数据，证明在随机试验中，即使省略的协变量与处理独立，仍会导致Cox比例风险模型估计的处理风险比存在偏倚，并比较了脆弱模型、加速失效时间模型和Kaplan-Meier曲线等替代方法的稳健性。
2026-06-19 stat.ME
Factor-Augmented Regularized Model for Hazard Regression
高维数据的一个普遍特征是协变量之间的相关性，当协变量高度相关时，模型选择具有挑战性。为了对高维考克斯比例风险模型在协变量具有因子结构的情况下进行模型选择，提出了一种新的风险回归因子增广正则化模型（Factor-Augmented Regularized Model for Hazard Regression，FarmHazard），该模型建立在驱动协变量依赖的潜在因子之上，扩展了Cox模型.这个新的模型生成的程序，通过从高维协变量向量中学习因子和特质成分，然后将它们用作新的预测因子，分两步操作。Cox模型是一种广泛用于生存分析的半参数模型，其中删失数据和时间依赖性协变量带来了额外的技术挑战。在较弱的条件下证明了模型选择相合性和估计相合性。我们还开发了一个因子增广变量筛选程序来处理超高维问题中的强相关性。大量的模拟和真实数据实验表明，该方法具有良好的性能，在模型选择、样本外C指数和筛选等方面都优于其他方法.
2022-10-03 math.ST stat.AP stat.ME
Propensity weighting plus adjustment in proportional hazards model is not doubly robust
本研究证明在比例风险模型中结合倾向性评分加权与调整无法实现双重稳健估计，仅在无因果效应零假设下一致，并提出两种对生存差异及一种对完整生存曲线的双重稳健替代估计方法。
2025-05-30 stat.ME
Variable selection for nonlinear Cox regression model via deep learning
Biogen（百健）
研究非线性Cox回归模型的变量选择问题。在生存分析中，一个主要目标是识别与发生关注事件的风险相关的协变量。Cox比例风险模型在生存分析中广泛用于研究生存时间和协变量之间的关系，该模型假设协变量对风险函数具有对数线性效应。然而，这种线性假设在实践中可能并不满足。为了提取具有代表性的特征子集，已经提出了各种变量选择方法用于线性Cox模型下的生存数据。然而，很少有文献对非线性Cox模型的变量选择。为了打破这一差距，我们将最近开发的基于深度学习的变量选择模型LassoNet扩展到生存数据。仿真结果验证了该方法的有效性和可行性。最后，我们应用所提出的方法来分析弥漫性大B细胞淋巴瘤的真实数据集。
2022-11-17 cs.LG stat.ME stat.ML
On the limitations of causal inference with current-treatment Cox models
University of Copenhagen（哥本哈根大学）；Karolinska Institute（卡罗林斯卡学院）
该研究指出当前治疗Cox模型依赖不可验证的马尔可夫性质，证明其因果解释需无治疗-脆弱性交互，转换生存尺度也无法弥补。
2026-09-17 stat.ME
A Novel Stratified Analysis Method for Testing and Estimating Overall Treatment Effects on Time-to-Event Outcomes Using Average Hazard with Survival Weight
针对生存加权平均风险（AH）在分层分析中的空白，本文提出一种基于标准化的新型分层方法，可同时以绝对差值和相对指标总结调整分层因素后的组间治疗效应，弥补传统分层方法类似Cochran-Mantel-Haenszel和分层Cox的局限性。
2024-03-31 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
Predicting Times to Event Based on Vine Copula Models
在统计学中，事件时间分析方法传统上侧重于危险的估计。近年来，已经提出了机器学习方法来直接预测事件时间。我们提出了一种基于藤蔓copula模型的方法，使点和区间预测的右删失的反应变量混合离散连续的解释变量。模拟和真实数据集上的大量实验表明，我们提出的藤蔓copula方法提供了一个体面的近似其他时间到事件的分析模型，包括Cox比例风险和加速故障时间模型。当Cox比例风险或加速失效时间假设不成立时，根据条件分位数函数的形状，基于vine copula的预测可以显著优于其他模型。这表明了我们提出的藤蔓copula方法对一般事件时间数据集的灵活性。
2021-11-13 stat.ME
Time-Varying Functional Cox Model
本文提出两种在线性函数型 Cox 模型中估计函数型预测变量时变效应的方法：基于 Cox-Poisson 似然的方法和界标方法，解决了比例风险违背问题，并在模拟与 NHANES 数据中验证了其准确性与计算效率。
2024-12-19 stat.ME
Latent Class Analysis with Semi-parametric Proportional Hazards Submodel for Time-to-event Data
潜在类别分析（LCA）是一个有用的工具，调查异质性的疾病人群的时间事件数据。本文提出了一种基于非参数极大似然估计（NPMLE）的协变量效应和累积风险函数的估计方法。我们通过广泛的模拟研究评估所提出的方法，并证明改进的预测性能超过标准Cox回归模型。我们进一步说明了所提出的方法的实际效用，通过应用到轻度认知障碍（MCI）队列数据集。
2022-02-01 stat.ME
Maximum likelihood estimation in the additive hazards model
加性风险模型以加性方式指定协变量对风险的影响，与流行的Cox模型相反，它是乘法的。作为非参数模型，它提供了一种非常灵活的建模时变协变量效应的方法。它通常由普通最小二乘估计。本文考虑协变量有界的情形，在协变量定义域中所有协变量值的风险均为非负的约束下，导出了极大似然估计。我们描述了一个有效的算法来找到极大似然估计。该方法与普通的最小二乘法在模拟研究中进行了对比，并在一个现实的数据集上说明了该方法。
2022-01-20 stat.ME
How to interpret hazard ratios
London School of Hygiene & Tropical Medicine（伦敦卫生与热带医学学院）；Novartis Pharmaceuticals AG（诺华制药股份公司）；Novartis Pharmaceuticals UK Ltd.（诺华制药英国有限公司）
本文探讨了危险比的因果解释问题，论证其仍具有有效因果解释，同时指出替代度量可能更适用于描述时间到事件结果的影响。
2026-01-14 stat.ME
Doubly Robust Inference for Hazard Ratio under Informative Censoring with Machine Learning
具有至事件发生时间结局的随机临床试验传统上使用对数秩检验，然后使用Cox比例风险（PH）模型估计治疗组之间的风险比。在右删失机制无信息性的假设下，这些是有效的，即与每个治疗组内至关注事件的时间无关。更一般地，删失时间可能取决于额外的协变量，并且可以使用删失加权逆概率（IPCW）来校正由信息性删失产生的偏倚。IPCW需要以治疗和协变量为条件的正确指定的删失时间模型。由于Cox模型的不可验证性，在此背景下的双重稳健推断以前并不合理。然而，随着数据自适应机器学习方法的发展，我们得到了一个增广的IPCW（AIPCW）估计，它具有以下双重鲁棒（DR）性质：它是模型双重鲁棒的，因为它是一致和渐近正态（CAN）的，只要两个模型之一，一个是故障时间和一个删失时间，是正确指定的;它也是速率加倍鲁棒的，因为只要在这两个模型下的估计误差率的乘积比根- $n$快，它就是CAN。我们研究了有限样本下的AIPCW估计。
2022-06-06 stat.ME
