Efficient Cumulative Incidence Estimation in Biobank Studies Using All Prevalent and Incident Events
Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Tel Aviv University（特拉维夫大学）
针对生物库数据中同时包含招募前发病（现患）和随访期间发病的个体，提出一种新的累积发病率函数估计方法，整合所有病例，处理年轻发病且生存期长的疾病，理论证明渐近性质，模拟和UK生物库癌症数据验证其优势。
2026-06-19 stat.ME
Regression Trees for Cumulative Incidence Functions
在过去的十年中，使用累积发生率函数来表征一种类型的事件在其他事件存在下的风险变得越来越流行。建模，估计和推理的问题已经处理使用参数，非参数和半参数的方法。开发机器学习方法的适当扩展的努力，例如回归树和相关的集成方法，最近才开始。在本文中，我们开发了一种新的方法来建立回归树估计累积发病率曲线在竞争风险设置。所提出的方法采用增强估计的Brier得分的风险作为主要的基础上建设和修剪树木。所提出的方法很容易使用R统计软件包实现。仿真研究表明，我们的方法在竞争风险设置的效用。来自放射治疗肿瘤组（试验9410）的数据用于说明这些新方法。
2020-11-13 stat.ME stat.ML
Multiply-robust Estimator of Cumulative Incidence Function Difference for Right-Censored Competing Risks Data
School of Statistics and Data Science, LPMC and KLMDASR, Nankai University（南开大学统计与数据科学学院）
本文提出一种多重鲁棒估计器，用于估计右删失竞争风险数据中因果特异性累计发病率函数差，通过伪值方法和多重鲁棒框架结合，提高估计鲁棒性。
2026-03-26 stat.ME
Landmark Proportional Subdistribution Hazards Models for Dynamic Prediction of Cumulative Incidence Functions
动态更新来自特定原因的临床事件的概率的个体化风险预测模型对于医生能够通过整合随访期间收集的所有可用信息来实时优化个性化治疗策略是有价值的。然而，当存在竞争风险时，这更加复杂和具有挑战性，因为它需要同时更新总生存期和累积发生率函数（CIF），同时调整时间依赖性协变量和随时间变化的协变量效应。在这项研究中，我们开发了一个地标比例子分布风险（PSH）模型和一个更全面的超级模型扩展的地标方法的精细灰色模型。通过模拟和对乳腺癌患者多中心临床试验数据的分析，评估了我们模型的性能。对于具有竞争风险的数据，我们提出的模型比其他动态预测模型具有吸引人的优势。首先，我们的模型对PSH假设的违反是鲁棒的，并且可以直接预测条件CIF，绕过总生存期的估计，大大简化了预测过程。其次，我们具有里程碑意义的PSH超级模型使研究人员能够在一个步骤中对一组标志点进行预测。第三，所提出的模型可以很容易地将各种类型的时间依赖的信息，使用现有的标准软件，没有计算负担。
2019-04-18 stat.ME
Improving precision of cumulative incidence estimates in randomized controlled trials with external controls
本研究提出三稳健估计器，利用外部对照提升随机对照试验中累积发生率估计精度，通过时间特定权重实现可比性，模拟和心血管试验数据验证了精度增益。
2025-06-23 stat.ME
Efficient estimation of cumulative incidence curves via data fusion with surrogates: application to integrated analysis of vaccine trial and immunobridging data
University of Cambridge（剑桥大学）；Fred Hutchinson Cancer Center（弗雷德·哈钦森癌症中心）；Ghent University（根特大学）
本文提出通过历史疫苗效力试验与免疫桥梁研究的数据融合，高效估计累积发病率曲线，针对多病原体如登革热病毒和流感，通过模拟研究评估所提方法的有限样本性能，并应用于新冠变异体免疫学景观试验的数据分析。
2026-04-14 stat.AP stat.ME
Inference for Cumulative Incidences and Treatment Effects in Randomized Controlled Trials with Time-to-Event Outcomes under ICH E9 (R1)
University of Michigan（密歇根大学）；Chinese Academy of Medical Sciences & Peking Union Medical College（中国医学科学院 北京协和医学院）；Peking University（北京大学）
针对随机对照试验中时间至事件结局的并发事件，定义了五种策略下的因果估计量数学形式，提出了非参数估计与推断方法，并在LEADER试验中验证。
2025-03-30 stat.ME
Studying Competing Events with Federated Cumulative Incidence Curves
University of Michigan（密歇根大学）；University of Florida（佛罗里达大学）；University of Indiana（印第安纳大学）；Northwestern University（西北大学）；Purdue University College of Pharmacy（普渡大学药学院）
该研究开发了一种联邦学习方法，通过构建非参数累积发生率曲线，在不共享患者数据的情况下，分析10个站点1万余名癌症患者数据，揭示自身免疫病患者接受免疫检查点抑制剂治疗后的内分泌不良事件风险，为临床提供新依据。
2026-07-30 stat.ME
Sequential Bayesian inference for stochastic epidemic models of cumulative incidence
针对随机流行病模型，提出一种基于廉价近似和低维统计量的序贯贝叶斯推断方法，结合桥接构造传播状态轨迹，支持随机感染与报告率，并在合成和真实数据上验证。
2024-05-22 stat.AP stat.CO stat.ME
Inference for competing risks based on area between curves statistics
RWTH Aachen University（亚琛工业大学）；Otto von Guericke University Magdeburg（奥托·冯·格里克马格德堡大学）；TU Dortmund University（多特蒙德工业大学）；Research Center Trustworthy Data Science and Security, UA Ruhr（鲁尔联合大学可信数据科学与安全研究中心）
本文提出基于曲线间面积统计量的野 bootstrap 方法，用于解决竞争风险模型中累积发病率函数交叉时的推断问题。
2026-01-22 stat.ME
Optimal individualized treatment regimes for survival data with competing risks
针对现有精准医学方法无法同时兼顾生存和竞争风险终点的问题，提出一种两阶段非参数个体化治疗方案估计器，利用随机森林构建个体曲线并引入多效用价值函数，在模拟与外周动脉疾病队列中表现良好。
2024-11-13 stat.ME
Predicting Malaria Incidence Using Artifical Neural Networks and Disaggregation Regression
本文设计了一种模拟分解回归行为的神经网络，用于高分辨率疟疾风险预测，虽未提升准确性但缩短了执行时间并提高了灵活性，同时发布了R包Kedis。
2023-04-17 stat.ME
Semiparametric regression and risk prediction with competing risks data under missing cause of failure
队列研究中涉及竞争风险的失败原因经常观察不完全。为了解决这一问题，在随机缺失假设下，已经提出了几种半参数比例原因特异性风险模型的方法。然而，这些建议仅提供了对回归系数的推断，而没有考虑无穷维参数，如协变量特定的累积发生率函数。然而，后者的数量是必不可少的风险预测在现代医学。在本文中，我们提出了一个统一的框架推断的回归系数的比例原因特定的风险模型和协变量特定的累积发生率函数下的随机缺失的故障原因。我们的方法是基于一种新的计算效率的最大伪偏似然估计方法的半参数比例原因特定的风险模型。利用现代经验过程理论，我们推导出所提出的估计的渐近性质的回归系数和协变量特定的累积发生率函数，并提供了方法，为后者同时构建置信带。模拟研究表明，我们的估计表现良好，即使在存在一个大部分的缺失故障原因，回归系数估计可以大大提高效率相比，以前提出的增广逆概率加权估计。该方法使用来自HIV队列研究和膀胱癌临床试验的数据应用。
2020-02-20 stat.ME
Predictiveness Curve Assessment under Competing Risks for Risk Prediction Models
本研究针对竞争风险场景，提出结合竞争风险回归模型的预测性曲线估计与推断方法，经模拟验证效果良好并实现R包，可用于肝硬化等疾病的风险预测评估。
2025-07-31 stat.ME
Nonparametric inference for competing risks current status data with continuous, discrete or grouped observation times
最近发展了一些新的方法和理论来非参数估计受当前状态删失影响的竞争风险生存数据的累积发生率函数。特别地，在一定的光滑条件下，建立了非参数极大似然估计的极限分布和简化的“朴素估计”。在本文中，我们建立了这些估计在两个额外的模型，即当观察时间分布有离散的支持，当观察时间分组的大样本行为。这些渐近结果适用于三个不同的模型的置信区间的建设。方法说明了两个数据集的累积发病率（一）不同类型的绝经期的妇女在美国和（二）亚型特定的艾滋病毒感染的血清流行率研究注射毒品使用者在泰国的横截面样本。
2010-12-20 stat.ME
Approximate Bayesian inference for cumulative probit regression models
University of Padova（帕多瓦大学）
本文提出三种可扩展算法用于近似累积概率回归模型的后验分布，通过变分贝叶斯和期望传播方法，提升大规模数据下的计算效率和准确性。
2026-03-12 stat.CO stat.ME stat.ML
Asymptotic Properties for Cumulative Probability Models for Continuous Outcomes
连续结果的回归模型通常需要结果的转换，用户可以指定{ \it先验}或从参数族估计。累积概率模型（CPM）非参数估计的转换，因此是一个灵活的连续结果的分析方法。然而，由于变换的潜在无界范围，很难建立CPM的渐近性质。在这里，我们展示了CPM的渐近性质，当应用于稍微修改的数据时，结果在末端被删失。我们证明了估计的回归系数和估计的转换函数在非删失区域上的一致相合性，并描述了它们的联合渐近分布。我们与模拟结果表明，从这种删失的方法和那些从CPM对原始数据是相似的，当一小部分数据被删失。我们重新分析了一个数据集的艾滋病毒阳性患者与CPM说明和比较的方法。
2023-02-18 stat.ME
Pseudo-value Based Mean Cumulative Count Regression
University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Novartis Pharma AG（诺华制药股份有限公司）；Department of Statistical Sciences, University of Toronto（多伦多大学统计科学系）；Hoffman La Roche Ltd（罗氏制药有限公司）
提出基于伪值的回归方法，利用影响函数伪值作为结果，通过广义估计方程估计协变量对平均累积函数及其积分的影响，并在临床试验中验证其有效性。
2026-06-24 stat.AP 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
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
Cumulative Logit Ordinal Regression with Proportional Odds under Nonignorable Missing Response -- Application to Phase III Trial
本文针对临床试验中不可忽略的有序响应缺失问题，提出基于期望最大化的比例优势累积Logit回归拟合算法，并通过模拟研究和III期银屑病试验验证其有效性。
2025-05-07 stat.AP stat.ME
Gaussian Transforms Modeling and the Estimation of Distributional Regression Functions
本文提出高斯变换建模条件累积分布函数，给出凹似然估计准则，统一估计密度、分布和分位数函数，并在美国性别工资差距应用中验证。
2025-04-20 econ.EM 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
Prediction Regions for Poisson and Over-Dispersed Poisson Regression Models with Applications to Forecasting Number of Deaths during the COVID-19 Pandemic
基于当前由SARS-CoV-2病毒引起的冠状病毒病（COVID-19）大流行，以及每日死亡人数和累积死亡人数的预测问题，本文研究了泊松回归模型和过离散泊松回归模型下预测区域或区间的构造。对于泊松回归模型，几个预测区域的开发和它们的性能进行了比较，通过模拟研究。该等方法应用于预测美国因COVID-19而导致的每日及累计死亡人数的问题。为了检查他们的表现相对于实际发生的情况，直到5月15日的每日死亡数据被用来预测6月1日的累积死亡人数。据观察，相对于泊松回归模型，观察到的数据存在过度分散。因此，提出了一个过分散泊松回归模型。这种新的模型建立在生存分析中的脆弱性思想之上，并通过一个额外的参数来量化过度分散。Poisson回归模型是过离散Poisson回归模型中的隐模型，并且当过离散参数增大到无穷大时作为极限情况获得。给出了截至7月2日的数据，到7月16日，美国因COVID-19死亡的累计人数的预测区域。最后，本文讨论了所提出的程序的局限性，并提到了开放的研究问题，以及在长期预测时的危险和陷阱，重点是这种流行病的事件，预见和不可预见的，可能会对点预测和预测区域产生巨大影响。
2020-07-07 stat.AP stat.ME
Bayesian Model Choice in Cumulative Link Ordinal Regression Models
使用比例优势（PO）模型进行有序回归在文献中无处不在。如果平行线的假设不适用于数据，则另一种方法是指定非比例优势（NPO）模型，其中允许回归参数根据响应水平而变化。然而，往往很难拟合这些模型，如果有大量的解释变量，则模型选择和拟合方面的挑战会进一步加剧。我们对解决这些问题做出了两个贡献：首先，我们开发了一种贝叶斯方法来拟合这些模型，确保随机排序条件对任意有限范围的解释变量保持不变，允许NPO模型拟合任何观察到的数据集。其次，我们使用可逆跳马尔可夫链蒙特卡罗，让模型选择PO和NPO结构的每个解释变量，并显示如何变量选择可以纳入。这些方法适用于任何单调递增的连接函数。我们说明了这些方法的实用性，从纵向研究的个人水平的风险因素影响身体状况评分的狗在南非Zenzele人口的新数据。
2015-03-26 math.ST stat.ME stat.TH
A nonparametric model-based estimator for the cumulative distribution function of a right censored variable in a finite population
在调查分析中，对累积分布函数（cdf）的估计是很有意义的：例如，它允许从cdf导出分位数估计量或其他非线性参数。我们考虑的情况下，响应变量是一个右删失的持续时间变量。在这个框架中，cdf的经典估计量是卡普兰-迈耶估计量。作为替代，我们提出了一个非参数模型为基础的估计在有限的人口cdf。新的估计量使用了连续协变量带来的辅助信息，并基于适用于删失情况的非参数中位数回归。估计量的预测误差的偏差和方差估计的自举程序适合于删失。新的估计量进行比较，基于模型的模拟与卡普兰-迈耶估计量计算的抽样个人：一个显着的增益精度带来的新方法，无论样本的大小和删失率。福利持续时间的数据来说明新的方法。
2014-04-11 stat.ME
Average Cause-Specific Hazard: A Censoring-Invariant Measure of Event Burden Under Competing Risks
Harvard T.H. Chan School of Public Health（哈佛陈曾熙公共卫生学院）；Stanford University（斯坦福大学）；Dana Farber Cancer Institute（达纳法伯癌症研究院）；Memorial Sloan Kettering Cancer Center（纪念斯隆-凯特琳癌症中心）
研究竞争风险下事件负担的度量问题，提出平均特定病因风险（ACSH），开发其非参数估计和推断方法及两组比较的差异与比率，通过模拟研究和实例分析展示该方法性能及应用。
2026-07-16 stat.ME
Parameter estimation in Cox models with missing failure indicators and the OPPERA study
在前瞻性队列研究中，检查所有参与者的感兴趣状况的发生率可能过于昂贵。例如，诊断颞下颌关节紊乱病（TMD）的“金标准”是由训练有素的临床医生进行的体检。在大型研究中，以这种方式检查所有参与者是不可行的。相反，通常使用问卷来筛查TMD的发病率，并仅对筛查阳性的参与者进行“金标准”检查。不幸的是，一些参与者可能会在接受“黄金标准”检查之前离开研究。在生存分析的框架内，这导致缺失失效指标。受口面疼痛：前瞻性评价和风险评估（OPPERA）研究的启发，我们提出了一种缺失失效指标生存模型的参数估计方法。我们使用逻辑斯谛回归来估计那些缺乏“金标准”检查的人成为偶发病例的概率。这些估计的概率用于生成每个缺失检查的病例状态的多重插补，并在适当的回归模型中与观察到的数据相结合。使用多重插补估计程序引入的方差。该方法既可用于Cox比例风险模型中的回归系数估计，也可用于Poisson回归中的发病率估计。我们模拟数据缺失的故障指标，并表明我们的方法执行以及或优于竞争的方法。最后，我们将所提出的方法应用于OPPERA研究的数据。
2015-07-07 stat.AP stat.ME
Data-integration with pseudoweights and survey-calibration: application to developing US-representative lung cancer risk models for use in screening
针对现有癌症风险模型人群代表性不足的问题，开发了整合队列与调查数据及癌症登记处汇总统计的校准伪权重方法，利用调查中的癌症死亡率数据插补发病率时间，提高了纯风险估计的稳健性和效率，并成功构建了美国代表性的肺癌风险模型。
2023-10-25 stat.ME
An efficient model-free estimation of multiclass conditional probability
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
传统的多类条件概率估计方法，如Fisher判别分析和逻辑斯谛回归，往往需要限制性的分布模型假设。本文提出了一种无模型估计方法，通过一系列条件分位数回归函数来估计多类条件概率。具体地，条件类概率被公式化为相应的累积分布函数的差，其中累积分布函数可以从估计的条件分位数回归函数转换。所提出的估计方法也是有效的，因为它的计算成本不会随着类的数量呈指数增长。理论和数值研究表明，所提出的估计方法是非常有竞争力的现有的竞争对手，特别是当类的数量相对较大。
2013-08-01 cs.LG stat.ME stat.ML
Smoothed Rank-Based Regression Estimation Using Wilcoxon Score Functions
Western Illinois University（西伊利诺伊大学）
提出用平滑秩代替整数秩的Wilcoxon秩回归估计，通过核分布函数近似指示函数，在保持稳健性的同时提高重尾误差下的效率并处理结数据，推导了Wald检验并证明渐近正态性。
2026-06-12 stat.ME
Semiparametric Regression Analysis of Interval-Censored Competing Risks Data
当每例研究受试者可能经历由多种原因之一引起的事件或失败，并且失败时间未被精确观察到，但已知位于两次连续检查之间的时间间隔内时，就会出现区间删失竞争风险数据。我们用公式表示可能随时间变化的协变量对累积发生率或子分布函数（即，特定原因导致的边际失效概率），通过广泛的一类半参数回归模型，捕获子分布的比例和非比例风险结构。我们允许每个受试者进行任意数量的检查，并容纳关于失败原因的缺失信息。我们考虑非参数极大似然估计，并设计了一个快速和稳定的EM型算法的计算。然后，我们建立的一致性，渐近正态性，半参数估计的有效性，呼吁现代经验过程理论。此外，我们通过广泛的模拟研究表明，所提出的方法在现实情况下表现良好。最后，我们提供了一个应用程序，对不同病毒亚型的HIV-1感染的研究。
2016-03-01 stat.ME
Time-varying effect in the competing risks based on restricted mean time lost
针对乳腺癌研究中竞争风险下协变量效应的静态评估失真问题，提出动态效应RMTL回归方法，可同时分析协变量的动态累积效应和实时效应，提供更全面的预后和更优预测。
2023-11-20 stat.AP stat.ME
Competing risks regression for clustered survival data via the marginal additive subdistribution hazards model
针对存在竞争风险的聚类相关生存数据，提出群体平均加性子分布风险模型与稳健三明治方差估计量，开发拟合优度检验，经模拟验证后用于STRIDE试验数据分析。
2023-08-16 stat.AP stat.ME
Stabilized Sparse Ordinal Regression for Medical Risk Stratification
近年来电子病历的广泛应用为数据挖掘带来了巨大的机遇和挑战。电子病历数据具有时间性、噪声性、不规则性和高维性等特点。本文构建了一个新的有序回归框架，预测医疗风险分层的电子病历。首先，作为一个时间图像的EMR的概念视图被构造为提取一组不同的功能。其次，应用有序模型预测累积或进行性风险。挑战在于构建一个透明的预测模型，该模型可以与大量弱预测特征一起工作，同时对恢复变化保持稳定。我们的解决方案采用稀疏方法，通过特定领域的功能交互网络稳定。我们引入了两个指标来衡量模型对数据恢复的稳定性。特征网络用于生成具有稀疏精度矩阵的两个多元高斯先验（拉普拉斯和随机游动）。我们将该框架应用于一个大型的短期自杀风险预测问题，并证明我们的方法在很大程度上优于临床医生，发现了符合心理健康知识的自杀风险因素，并产生了具有增强稳定性的模型。
2014-07-23 stat.AP stat.ME
Generalized regression operator estimation for continuous time functional data processes with missing at random response
在本文中，我们感兴趣的非参数核估计的广义回归函数，包括条件累积分布和条件分位数函数，基于不完全样本$(X_t, Y_t, ζ_t)_{t\in \mathbb{ R}^+}$副本的连续时间平稳遍历过程$(X, Y, ζ)$。预测器$X$在某个无限维空间中赋值，而实值过程$Y$在$ζ= 1$时被观察到，并且在$ζ= 0$时缺失。建立了估计量的逐点相合性和一致相合性（含率），以及一个中心极限定理。还提供了条件偏差和渐近二次误差。本文还讨论了广义回归函数的渐近和自举置信区间。第一个模拟研究进行比较的离散时间的连续时间的估计。第二个模拟也进行了讨论的最佳采样网格在连续时间的情况下的选择。最后，值得注意的是，我们的结果是在遍历假设下陈述的，没有假设任何经典的混合条件。
2021-10-15 math.ST stat.ME stat.TH
