Cox regression analysis for distorted covariates with an unknown distortion function
我们研究了删失生存数据的推断,其中一些协变量被乘法形式的可观察混杂变量的一些未知函数所扭曲。医学研究中此类数据的例子是,通常的做法是通过患者的体重指数(BMI)、体重或年龄对一些重要的观察到的暴露变量进行标准化。这种现象也经常出现在环境研究中,其中环境测量用于归一化,以及在基因组研究中,其中文库大小需要针对下一代测序数据进行归一化。本文提出了一种新的协变量调整Cox比例风险回归模型,利用核平滑方法对模型的失真函数进行估计,然后利用估计的极大似然方法得到回归参数的估计。我们建立了所提出的估计的大样本性质。大量的仿真研究表明,所提出的估计执行良好的校正所产生的偏差失真。使用来自国家威尔姆斯肿瘤研究(NWTS)的真实数据集来说明所提出的方法。
2020-06-02 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
On the Need for Spatial Random Effects in Bayesian Regression Models for Multilevel Areal Data
Yale School of Public Health(耶鲁公共卫生学院)
本文探讨了在多层级面积数据的贝叶斯回归模型中,空间随机效应与非空间随机效应在后验推断中等价的条件,推导出样本量阈值并分析其影响因素。
2026-11-17 stat.ME
Correcting for Measurement Error in Segmented Cox Model
主要关注的协变量(例如暴露变量或风险因子)的测量误差在流行病学和健康研究中很常见。它可以影响相对风险估计量或从拟合回归模型导出的其他类型的系数。为了执行测量误差分析,需要关于误差结构的信息。验证数据的两个来源是主要数据的内部子集和外部或独立研究。对于这两个来源,测量真实协变量(即无误差),或者测量其代理变量(易出错协变量)多次(重复测量)。本文比较了在主协变量为变点的Cox模型中,通过不同验证源的估计精度,使用偏差校正方法RC和RR。每个验证源下的理论属性。在模拟研究中发现,在较小的均方误差和较窄的置信区间方面,最好的验证源是在常见疾病病例中测量真实协变量的内部验证,以及在罕见疾病病例中重复测量替代变量的外部验证。此外,还发现需要解决真实协变量及其替代变量与变点值之间的相关性,特别是在罕见疾病病例中。
2022-07-19 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
A novel approach to estimate the Cox model with temporal covariates and its application to medical cost data
我们提出了一种新的方法来估计Cox模型的时间协变量。我们的新方法将时间协变量视为与事件时间共同建模的纵向过程。与文献不同的是,在我们的模型中的纵向过程被指定为一个有界变分过程,并确定了一个家庭的初值问题与常微分方程。我们的规范具有这样的优点,即只需要在事件发生时间和事件发生时间本身的时间协变量的观测来拟合模型,虽然它很好,但没有必要进行更多的纵向观测。这一事实使得我们的方法对于许多医疗结果数据集非常有用,例如纽约州全州规划和研究合作系统和国家住院患者样本,在这些数据集中,重要的是要找到给定累积成本的出院风险率,但由于患者信息的保护,只有出院时的总成本可用。我们的估计过程是基于最大化的全信息似然函数。由此产生的估计是一致的,渐近正态分布。变量选择技术,如自适应LASSO,可以很容易地修改和纳入我们的估计过程。证明了所得到的回归系数估计量的预言性质。仿真和一个实际的例子说明了所提出的模型的实用性。最后,我们的方法的一对夫妇的潜在扩展进行了讨论。
2018-02-02 stat.ME
Adaptive kernel estimation of the baseline function in the Cox model, with high-dimensional covariates
本文的目的是提出一种新的核估计的基线函数在一般的高维Cox模型,我们得到的非渐近收敛速度。为了构造我们的估计量,我们首先通过Lasso过程估计Cox模型中的回归参数。然后,我们将此估计器插入到经典的基线函数的核估计器中,通过平滑累积基线函数的所谓Breslow估计器获得。我们提出并研究了一个自适应的过程来选择带宽,在黄金enshluger和Lepski(2011)的精神。我们状态的非渐近预言不等式的最终估计,这揭示了减少的收敛速度时,协变量的尺寸增长。
2015-07-06 stat.AP stat.ME
Active-set algorithms based statistical inference for shape-restricted generalized additive Cox regression models
近年来,形状限制推论在统计和计量经济学文献中得到广泛的应用,以放松回归分析中的线性或二次协变量效应。典型的形状限制协变量效应包括单调递增、递减、凸性或非凸性。本文将形状限制推断引入到著名的Cox回归模型(SR-Cox)中,其中协变量响应被建模为形状限制的可加函数。SR-Cox回归使用样条基扩展和数据驱动的节点选择来近似形状限制函数。将负对数似然函数的最小化问题转化为一个凸优化问题,并采用有效集优化算法求解。该算法的特点是能自动消除多余节点。当协变量效应包括具有未知形式和线性项的凸项或凹项的组合时,最有趣的发现是SR-Cox产生准确的线性协变量效应估计,如果形式确实已知,则其与最大偏似然估计相当。我们的结论是,凹或凸SR-Cox模型可以显着提高非线性协变量响应恢复和模型拟合优度。
2021-07-02 stat.ME stat.ML
When to encourage using Gaussian regression for feature selection tasks with time-to-event outcome
重要提示:关于事件发生时间结局的特征选择是临床试验和生物标志物发现研究中的基本问题之一。但当样本量较小或某些关键协变量未被测量时,应使用何种统计方法尚不清楚。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。假设对于所有模型拟合,10个真实特征中只有5个被观察/测量,以及5个随机噪声特征。每个样本量方案都使用10,000个模拟数据集进行了探索。对每个数据集应用八个回归模型来估计特征效应,包括正则化高斯回归(弹性网惩罚)和正则化Cox回归(glmnet Cox)。研究结果:如果协变量是高度相关的高斯,则当事件总数<500时,只有两个协变量的对数转换生存时间的高斯回归优于所有测试的Cox回归模型。
2022-10-13 stat.ME
Functional Cox model for interval-censored data
Department of Statistics and Actuarial Science, University of Waterloo(滑铁卢大学统计与精算科学系)
本文提出一种函数Cox模型,用于分析区间截断数据中函数协变量对事件时间的影响,通过惩罚最大似然估计和EM算法进行参数估计,并构建全局检验方法。
2026-05-14 stat.ME
Functional Linear Cox Regression Model with Frailty
针对含函数型协变量的生存数据未观测异质性问题,提出带脆弱性的函数线性Cox回归模型,结合函数主成分分析与惩罚偏似然估计,经模拟和真实数据验证性能更优,已开发为R包。
2025-01-13 stat.ME
Careful prior specification avoids incautious inference for log-Gaussian Cox point processes
贝叶斯空间点过程模型中随机场超参数的先验规定对统计推断和结论有重要影响。我们考虑拟合对数高斯Cox过程相对于空间协变量数据的空间点模式。从生态学的角度来看,分析的一个重要目的是评估协变量和给定物种的点格局强度之间的显着关联。本文介绍了使用一个重新参数化的模型,以方便有意义的解释的结果,以及这些如何依赖于超先验规范。该模型结合了一个缩放的空间结构化的字段与非结构化的随机场,具有一个共同的精度参数。一个额外的超参数标识的方差解释的空间结构项和适当的缩放比例,使分析不变的网格分辨率的分数。超参数被分配惩罚复杂性先验,可以通过用户定义的缩放参数直观地进行调整。我们说明的方法分析协变量的影响点模式形成的两个热带雨林树种在巴罗科罗拉多岛,巴拿马的研究地块。
2017-09-20 stat.ME
Cox Point Process Regression
时间点过程有着广泛的应用,包括保险中的索赔到达过程或运筹学中的队列分析。由于技术的进步,这种点过程的样本越来越多地遇到。感兴趣的关键对象是局部强度函数。它有一个简单的解释,允许理解和探索点过程数据。我们考虑点过程的函数方法,其中一个有一个重复实现的点过程的样本。这种情况本质上与Cox过程有关,其中复制的强度函数被建模为随机函数。在这里,我们研究的情况下,一个记录协变量的过程中,如每天的温度为自行车租赁。对于建模点过程的响应与向量协变量作为预测,我们提出了一种新的回归方法的强度函数,本质上是非参数的。虽然一个点的过程,只有一次观察到的固定域上的强度函数不能确定,我们展示了如何协变量和重复观测的过程可以利用一致的估计可能,我们也得到渐近收敛速度,而不调用参数假设。
2021-09-10 stat.ME
Bias-corrected Cox regression with AI-extracted covariates via calibration summary statistics
Northwell Health
研究针对协变量受AI提取误差影响的情况,为Cox比例风险模型开发偏差校正框架,通过多变量校准框架分解偏差,给出校正估计器、置信区间及诊断方法,经合成数据实验验证可有效减少偏差并实现接近名义覆盖。
2026-07-29 stat.ME stat.ML
The competing risks Cox model with and without auxiliary case covariates under weaker or no missing-at-random cause of failure
在使用竞争风险Cox模型分析具有多种原因的至事件发生时间数据时,某些病例的失效原因通常未知。缺失原因的概率通常被假设为与事件发生时间和事件发生前测量的协变量的原因无关。然而,在实践中,基本的随机缺失假设并不一定成立。受结直肠癌亚型分析的启发,我们开发了半参数方法来进行有效的分析,首先是当额外的辅助变量仅适用于病例时。我们考虑一个较弱的随机缺失假设,缺失模式取决于观测量,其中包括辅助协变量。忽略这些协变量可能会导致有偏估计。我们使用一种信息似然方法,即使在错误指定缺失失效原因的基础模型时,该方法也会产生相合估计。然后,我们考虑一种方法,进行有效的统计分析时,没有辅助协变量在非随机缺失的情况下。仿真研究结果证明了我们的方法在有限样本下的优越性。我们举例说明了我们的方法在分析结直肠癌数据从护士健康研究队列,其中,显然,传统的随机缺失的假设不适用于特定的分子亚型。
2016-07-29 stat.AP stat.ME
Estimation of Extreme Survival Probabilities with Cox Model
我们提出了一个扩展的常规Cox比例风险模型,它允许估计的概率罕见的事件。众所周知,当数据在生存分布的上端被重删失时,生存分布尾部的估计是不可靠的。为了估计超出最后观测数据的分布,我们假设生存数据在Fréchet分布对协变量有条件的吸引域中。在此条件下,通过Fisher-Tippett-Gnedenko定理,基线分布的尾部可以由参数$θ$超过阈值$τ$的Pareto分布调整。以协变量为条件的生存分布很容易从基线计算。我们还提出了一个总的估计的生存概率。一个程序允许自动选择的阈值和两个数据集上的应用程序。
2019-01-22 stat.ME
Scalable likelihood-based estimation and variable selection for the Cox model with incomplete covariates
针对含随机缺失协变量的Cox回归模型,本文开发了一种仅需一维积分的可扩展EM算法进行非参数极大似然估计,并扩展以容纳LASSO惩罚实现变量选择,在大规模模拟与癌症基因组研究中验证了其优势。
2024-10-15 stat.CO stat.ME
Hybrid methods for missing categorical covariates in Cox model
针对Cox模型中分类协变量缺失值问题,提出结合经典方法优势的混合方法,在模拟研究中展现出更高的灵活性与稳健性,虽降低了估计偏差但以牺牲部分精度为代价。
2025-06-30 stat.AP stat.ME
Optimal Estimation for the Functional Cox Model
功能协变量在许多医学、生物人口统计学和神经影像学研究中很常见。本文研究了具有右删失数据的函数型Cox模型在函数型和标量型协变量同时存在的情形。研究了极大偏似然估计的渐近性质,建立了有限维估计的渐近正态性和渐近有效性。在再生核Hilbert空间的框架下,证明了函数协变量系数函数的估计在加权$L_2$ -风险下具有极小极大最优收敛速度.该最优速率由删失方案、再生核和协方差核共同决定。详细讨论了估计方法的实现和平滑参数的选取。通过仿真实例和实际应用说明了有限样本性能。
2016-01-27 math.ST stat.ME stat.TH
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
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
Confidence intervals for high-dimensional Cox models
在协变量数可能大于样本量的高维Cox比例风险回归模型中,构造回归系数的置信区间。我们的去偏估计量构造类似于Zhang and Zhang(2014)和van de Geer et al.(2014),但时间相关协变量和删失风险集引入了相当多的额外挑战。我们的理论结果,这提供了条件下,我们的置信区间是渐近有效的,支持广泛的数值实验。
2018-03-03 math.ST stat.ME stat.TH
Least-false Cox coefficients under affine follow-up contamination: exact continuous- and grouped-time benchmarks
School of Banking and Finance Management Development Institute of Singapore in Tashkent(塔什干新加坡金融管理学院)
本研究分析仿射随访污染下Cox回归的最小假系数,推导精确基准,发现强污染导致缩减与饱和,行政删失引发过冲,分组改变几何,并给出影响函数与方差估计。
2026-09-25 stat.ME
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
De-biased lasso for stratified Cox models with application to the national kidney transplant data
移植受体科学登记(SRTR)系统已成为了解肾移植后移植物衰竭复杂机制的丰富资源,这是有效分配器官和实施适当护理的关键一步。由于治疗患者的移植中心可能强烈混淆移植失败,按中心分层的Cox模型可以消除其混淆效应。此外,由于接受者年龄是一个被证明的不可修改的风险因素,因此通常的做法是按接受者年龄组分别拟合模型。在某些年龄组中,相对于协变量数量,中等样本量可能导致偏倚的最大分层偏似然估计和不可靠的置信区间,即使样本数量仍然超过协变量。为了得出可靠的推断,从捐助者和接受者在SRTR的风险因素的综合清单,我们提出了一个去偏套索方法,通过二次规划拟合分层Cox模型。我们建立渐近性质,并通过模拟验证,我们的方法产生相合估计和置信区间与标称覆盖概率。考虑到SRTR中的近100个混杂因素,去偏方法检测到移植失败的危险在所有受体年龄组中随着供体的年龄而非线性增加,并且来自老年供体的器官对年轻受体的影响更大。我们的方法还描绘了移植失败和许多风险因素之间的关联,如受体的初步诊断(如多囊疾病,肾小球疾病和糖尿病)和供体-受体的人类白细胞抗原基因座在受体年龄组之间的不匹配。这些结果可为利益攸关方完善捐助方-受援方匹配标准提供参考。
2022-11-16 stat.ME
Scalable Sparse Cox's Regression for Large-Scale Survival Data via Broken Adaptive Ridge
本文提出了一种新的可扩展稀疏Cox回归工具,用于稀疏高维海量样本量(sHDMSS)生存数据。该方法是通过重复执行重新加权的$L_2$-惩罚Cox回归的局部$L_0$-惩罚Cox回归。我们发现,由此产生的估计享有最好的$L_0$ -和$L_2$ -惩罚Cox回归,同时克服其局限性。具体而言,估计量是选择一致的,参数估计的预言,并具有高度相关的协变量的分组属性。仿真结果表明,当样本量较大时,所提出的方法与预先指定的调整参数具有可比或更好的性能比一些流行的惩罚回归方法。更重要的是,因为该方法自然地使得能够适应用于大规模$L_2$惩罚优化的有效算法,并且不需要昂贵的数据驱动的调谐参数选择,所以它对于sHDMSS数据具有显著的计算优势,在经验研究中提供了超过其最接近的竞争对手的平均5倍加速。
2018-07-25 stat.ME
Structured Learning in Time-dependent Cox Models
针对时间依赖Cox模型在高维变量选择中无法灵活设定稀疏结构的问题,提出一种适应任意分组结构的变量选择框架,并开发了基于网络流算法的sox包以实现高效计算与准确估计。
2024-01-06 stat.AP stat.CO 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
Deep Simulation-Based Inference for Inhomogeneous Bivariate Log-Gaussian Cox Processes
School of Science, RMIT University(RMIT大学理学院);School of Mathematics and Statistics, The University of Melbourne(墨尔本大学数学与统计学院)
针对非齐次二元对数高斯考克斯过程,提出两步模拟估计法,结合经典泊松估计与神经网络模拟推理,分离估计降低复杂度,引入二维图像输入,模拟结果显示能准确估计潜场参数,且具实际适用性。
2026-07-16 stat.ME
A Bayesian framework for case-cohort Cox regression: application to dietary epidemiology
病例队列研究设计通过仅收集整个队列的一小部分的某些昂贵的协变量来绕过资源限制。加权Cox回归是Cox模型中分析病例队列数据最广泛使用的方法,但效率低下。基于多重插补和非参数极大似然的替代方法分别遭受不相容性和计算问题。我们介绍了一种新的贝叶斯框架的情况下,队列Cox回归,避免了上述问题。用户可以包括辅助变量,以帮助预测未测量的昂贵的协变量与他们选择的预测模型,而讨厌的参数的模型是非参数化指定和集成。可以使用基于伪边缘MCMC算法的程序来进行后验采样。该方法可以有效地扩展到大型复杂的数据集,正如我们的应用所证明的那样:使用EPIC-Norfolk研究调查饱和脂肪酸与2型糖尿病之间的关联。作为我们分析的一部分,我们还开发了一种新的方法来处理Cox模型中的成分数据,与以前的研究相比,得到了更可靠和更可解释的结果。我们的方法的性能与广泛的模拟说明。用于生成本文结果的代码可以在https://github.com/andrewyiu/bayes_cc上找到。
2021-09-09 stat.AP stat.ME
Event history analysis with time-dependent covariates via landmarking supermodels and boosted trees
PFA Pension(PFA养老金)
本文提出了一种基于地标超模型和提升树的非参数方法,用于处理高维时间依赖性协变量的事件历史分析,避免了传统方法的时间不一致性问题,并通过模拟和实际数据验证了其有效性。
2026-01-24 math.ST stat.ME stat.TH
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
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
A simulation-extrapolation approach for the mixture cure model with mismeasured covariates
我们考虑的生存数据,从人口治愈的受试者存在误测协变量。我们使用混合治愈模型来解释永远不会经历事件的个体,同时区分协变量对治愈概率和生存时间的影响。特别是,对于实际应用,似乎有兴趣假设发病率的逻辑形式和潜伏期的考克斯比例风险模型。为了校正由测量误差引入的偏差的估计器,我们使用simex算法,这是一种非常通用的基于仿真的方法。它本质上是通过向数据引入额外的误差来估计这种偏差,然后通过外推方法恢复偏差校正估计量。当真实的外推函数已知时,估计量是一致的且渐进正态分布的。我们调查他们的有限样本性能,通过模拟研究,并应用所提出的方法来分析前列腺特异性抗原(PSA)对前列腺癌患者的影响。
2020-09-13 stat.ME
Multiple imputation of covariates by fully conditional specification: accommodating the substantive model
在流行病学和临床研究中,协变量数据缺失是常见的现象,通常采用多重插补(MI)进行处理。如果实质性模型是非线性的(例如,考克斯比例风险模型),或包含非线性(例如,平方)或交互作用项,则部分观察到的协变量的插补是复杂的,并且MI的标准软件实现可能插补来自与此类实质性模型不兼容的模型的协变量。我们展示了如何填补完全条件规范,一种流行的方法进行MI,可以修改,使协变量是从模型,这是兼容的实质性模型。我们调查,通过模拟的性能,这一建议,并将其与现有的方法。模拟结果表明,我们的建议给出了相合估计的一系列常见的实质性模型,包括模型,包含非线性协变量的影响或相互作用,提供的数据是随机缺失和假设插补模型是正确的指定和相互兼容。
2013-01-17 stat.ME
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
Convergence-Aware Pareto Selection of Covariate Scaling Transformations for Markov Deterioration Hazard Models: Evidence from Bridge Inspection Data
Yachiyo Engineering Co., Ltd.(八千代工程有限公司)
针对马尔可夫劣化风险模型对协变量缩放敏感的问题,本文系统比较四种缩放变换,在桥梁检测数据上通过L-BFGS-B估计EHM模型,并基于收敛感知的Pareto选择提出最优缩放方案。
2026-09-29 cs.LG stat.ME
Efficient Poisson Subsampling for the Partially Linear Additive Cox Model
Nankai University(南开大学);Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);University of Chinese Academy of Sciences(中国科学院大学);Changchun University of Technology(长春工业大学);Liaoning University(辽宁大学);University of Connecticut(康涅狄格大学);Tianjin University(天津大学)
针对大规模生存数据分析的计算存储挑战,提出用于部分线性可加Cox模型的高效泊松子采样方法,经模拟与淋巴瘤数据集验证,可实现大规模场景下的高效准确统计推断。
2026-08-21 stat.CO stat.ME
Covariate selection for the estimation of marginal hazard ratios in high-dimensional data
本文通过模拟和卒中数据案例研究,探索高维数据下边际风险比估计的协变量选择方法,发现双重选择法效果较优,结合多重稳健方法可进一步提升估计效果。
2024-02-13 stat.ME
On a penalised likelihood approach for joint modelling of longitudinal covariates and partly interval-censored data -- an application to the Anti-PD1 brain collaboration trial
针对纵向时变协变量测量误差与部分区间删失事件时间问题,提出结合Cox模型的联合建模及惩罚似然估计方法,模拟验证其推断可靠,并用于Anti-PD1试验。
2024-12-04 stat.ME
Raking and Regression Calibration: Methods to Address Bias from Correlated Covariate and Time-to-Event Error
依赖于电子健康记录(EHR)数据的医学研究经常会出现测量误差,因为收集的数据不是为了支持正在研究的研究问题。如果在研究分析中不考虑这些数据错误,可能会掩盖或导致患者暴露与疾病风险之间的虚假关联。解决协变量测量误差的方法已经得到了很好的发展;然而,时间-事件误差也被证明会导致显著的偏倚,但解决它的方法相对不发达。更一般地,可以观察到相关的协变量和至事件发生时间结果中的误差。我们提出了回归校准(RC)估计,同时解决相关误差的协变量和删失事件的时间。虽然RC在许多具有协变量测量误差的设置中表现良好,但对于非线性回归模型(如Cox模型),RC存在偏倚。因此,我们另外提出了耙估计量,这是人口估计方程所定义的参数的相合估计量。耙可以改善RC在某些设置与故障时间的数据,不需要明确的建模的错误结构,并可以利用下的结果依赖的抽样设计。我们讨论了潜在的估计问题的影响程度的改善耙估计的RC方法的功能。详细的模拟研究,以检查不同水平的信号,误差和删失下的性能所提出的估计。该方法说明了观察EHR数据从范德比尔特综合护理诊所艾滋病毒的结果。
2020-03-09 stat.ME
Statistical inference after variable selection in Cox models: A simulation study
Mathematical Statistics and Artificial Intelligence in Medicine, University of Augsburg(医学中的数学统计与人工智能,乌尔姆大学);Center for Advanced Analytics and Predictive Sciences (CAAPS), University of Augsburg(高级分析与预测科学中心(CAAPS),乌尔姆大学)
本文通过模拟研究探讨了Cox模型中变量选择后Lasso和适应性Lasso的推断方法,分析了样本分割、精确后选择推断和去偏Lasso的性能,并通过实际数据验证其应用效果。
2026-02-07 cs.LG stat.AP stat.CO
Cox Regression on the Plane
Technion – Israel Institute of Technology(以色列理工学院);Hebrew University of Jerusalem(耶路撒冷希伯来大学);Sheba Medical Center, Tel Aviv University(谢巴医疗中心,特拉维夫大学);London School of Hygiene & Tropical Medicine(伦敦卫生与热带医学院);New York University(纽约大学);Tel Aviv University(特拉维夫大学)
提出两种基于Lehmann型表示的Cox比例风险模型扩展,用于双变量生存数据,通过伪观测方法估计回归参数,并证明估计量的一致性和渐近正态性。
2026-06-12 stat.ME
Capturing heterogeneous time-variation in covariate effects in non-proportional hazard regression models
本文提出一种基于分段指数加性混合模型与函数随机效应的新方法,用于捕捉协变量效应的异质性时变,并通过模拟和脑肿瘤案例验证其优越性。
2025-01-23 math.ST stat.ME stat.TH
On a Shape-Invariant Hazard Regression Model
在生存分析中,Cox模型被广泛用于大多数临床试验数据。替代方法包括加性危险模型、加速失效时间(AFT)模型和更一般的转换模型。所有这些模型都假设所有协变量的效应在同一尺度上。然而,对于不同的协变量,效应可能在不同的尺度上。在本文中,我们提出了一个形状不变的风险回归模型,使我们能够估计乘法处理效应与调整的协变量,有非乘法的影响。我们提出了基于矩的推理程序的回归参数。我们还讨论了我们提出的模型的风险预测和拟合优度检验。数值研究表明,我们提出的估计良好的有限样本性能。我们将我们的方法应用于退伍军人管理局(VA)肺癌数据和HIVNET 012数据。对于后者,我们发现单剂量奈韦拉平治疗在适当调整母体CD4计数和病毒载量的情况下,18个月生存率有显著改善。
2016-03-22 stat.ME
What Influences the Field Goal Attempts of Professional Players? Analysis of Basketball Shot Charts via Log Gaussian Cox Processes with Spatially Varying Coefficients
本文提出一种带空间变化系数的贝叶斯对数高斯Cox过程模型,联合分析篮球投篮位置与结果的空间模式,通过MCMC算法推断空间相对风险,并以NBA球星数据验证了方法在优化投篮策略上的有效性。
2025-03-04 stat.AP 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
Efficient Estimation of the Additive Risks Model for Interval-Censored Data
与流行的Cox模型(其对至事件危害的时间提供了乘法协变量效应规范)相比,半参数加性风险模型(ARM)提供了有吸引力的加性规范,允许直接评估协变量值变化时风险函数的变化或差异。ARM是一个灵活的模型,允许估计时间无关和随时间变化的协变量。它有一个非参数分量和一个由有限维参数确定的回归分量。本章提出了一种有效的方法,通过minorize-maximize(MM)算法的情况II区间删失数据的非参数和有限维组件的模型的最大似然(ML)估计。我们提出的MM方法的操作特性通过模拟研究进行评估,并通过R包MMIntAdd在乳腺癌数据集上进行说明。预计所提出的计算方法不仅将为ML估计场景提供可扩展性,而且还可以简化其他复杂可能性或模型的计算负担。
2022-03-18 stat.ME
Covariate-adjusted Group Sequential Comparisons of Survival Probabilities
针对生存分析中比例风险假设违反导致I类错误膨胀和效能损失的问题,提出协变量调整的成组序贯检验方法,支持非PH下的期中分析,通过Markov结构渐近分布维持错误控制,并在模拟和临床试验中验证了稳健性。
2024-03-25 stat.ME
Bounds for the regression parameters in dependently censored survival models
针对相依删失生存数据,本文提出半参数部分识别方法以获得可随时间变化的协变量效应界,并通过模拟与经济、医学数据验证其性能。
2025-03-18 stat.ME
Hierarchical log Gaussian Cox process for regeneration in uneven-aged forests
我们提出了一个分层对数高斯考克斯过程(LGCP)的点模式,其中一组点x影响另一组点y,但反之亦然。我们使用该模型来研究大树对幼苗位置的影响。在模型中,x中的每个点都有一个参数化的影响核或信号,它们共同形成一个影响场。与参数相关,影响场作为模型强度的空间协变量,强度本身是参数的非线性函数。观察窗外的点可能会影响观察窗内的影响场。我们提出了一个边缘校正来解释这个缺失数据。在贝叶斯框架中使用马尔可夫链蒙特卡罗(MCMC)估计模型的参数,其中拉普拉斯近似用于LGCP模型的高斯场。该模型被用来分析在芬兰不等年龄的林分更新的成功大树的影响。
2021-07-07 stat.AP stat.ME
Bayesian Cox Regression for Large-scale Inference with Applications to Electronic Health Records
Cox模型是一种不可或缺的时间-事件分析工具,特别是在生物医学研究中。然而,医学正在经历一场深刻的变革,以前所未有的规模产生数据,为研究和理解疾病开辟了新的领域。随着收集的数据的丰富,统计推断出现了新的挑战,因为数据集通常是高维的,在不规则间隔的时间点显示出越来越多的测量值,并且太大而无法容纳在内存中。目前许多时间-事件分析的实现都不适合这些问题,因为推理在计算上要求很高,并且需要一次访问全部数据。在这里,我们提出了一个贝叶斯版本的计数过程表示考克斯的偏似然有效的推理大规模数据集与数百万个数据点和数千个时间相关的协变量。通过结合随机变分推断和对数似然的重新加权,我们获得了对数据子样本进行因子分解的后验分布的近似,从而能够在大数据环境中进行分析。至关重要的是,该方法为大规模和高维数据集提供了可行的不确定性估计。我们通过模拟研究和在英国生物银行心肌梗死的应用程序,我们的方法的实用性。
2023-03-06 stat.AP stat.ME
Benchmarking the Utility of Privacy-Preserving Cox Regression Under Data-Driven Clipping Bounds: A Multi-Dataset Simulation Study
Kyoto University Hospital, Kyoto, Japan(京都大学医院);School of Interdisciplinary Mathematical Sciences, Meiji University, Tokyo, Japan(明治大学理工融合数学科学学院)
本文评估了数据驱动截断界限下隐私保护对Cox回归模型统计效用的影响,通过多数据集模拟研究发现,高ε值下显著性保真度要求较高,且输入扰动对模型性能有显著影响。
2026-04-23 cs.CR stat.AP stat.ME
Time-to-event prediction for grouped variables using Exclusive Lasso
针对高维多组学数据的事件时间预测问题,提出使用 Exclusive Lasso 正则化进行组内特征选择,在真实癌症数据集上提升了生存预测性能。
2025-04-02 stat.CO stat.ME stat.ML