Dynamic likelihood hazard rate estimation
University of Oslo（奥斯陆大学）；University of Oxford（牛津大学）
本文提出一种动态局部似然方法，结合参数化和非参数化特性，改进危险率估计，提升生存分析模型的性能。
2026-02-19 stat.ME
The partly parametric and partly nonparametric additive risk model
University of Oslo（奥斯陆大学）；BI Norwegian Business School（挪威BI商学院）
本文提出了一种部分参数化和部分非参数化的加性风险模型，用于估计危险因素函数，并评估模型参数部分的拟合优度及精度提升。
2026-03-03 stat.ME
Nonparametric Estimation of Conditional Survival Function with Time-Varying Covariates Using DeepONet
本研究提出基于 DeepONet 的非参数方法估计具有时变协变量的条件生存函数，放宽风险回归假设，模拟与 ADNI 数据表明其优于 Cox 模型。
2025-05-28 stat.ME
Spatial Proportional Hazards Model with Differential Regularization
University of Bergamo（贝加莫大学）
本文提出一种具有差异正则化的空间比例危害模型，通过非参数函数建模空间效应，并利用有限元方法和筛法保证估计的一致性和渐近正态性，实验证明其优于现有方法。
2026-02-15 math.ST stat.ME stat.TH
Optimal stratification of survival data via Bayesian nonparametric mixtures
分层比例风险模型代表了一种简单的解决方案，可以解释数据中的异质性，同时保持对风险函数的乘法效应。层通常通过诉诸于分类协变量所取的值来先验地定义。提出了一个一般框架，它允许分层的通用加速寿命模型，包括作为一个特殊情况下的威布尔比例风险模型。考虑到分层可能以不同的基线生存率以及预测因子的不同影响为特征，后验确定分层。这是通过考虑贝叶斯非参数混合模型及其在数据分区空间上诱导的后验分布来实现的。最优分层，然后确定的信息准则的变化，反过来，层特定的推理进行。所提出的方法的性能和它的鲁棒性的存在下，右删失的意见进行了研究，通过广泛的模拟研究。从马萨诸塞大学艾滋病研究单位IMPACT研究中提取的数据集的分析提供了进一步的说明。
2021-03-16 stat.ME
Nonparametric competing risks analysis using Bayesian Additive Regression Trees (BART)
许多至事件发生时间研究因存在竞争风险而变得复杂。通常使用Cox模型分析这些数据的原因特异性风险函数，或使用Fine-Gray模型分析子分布风险。在实践中，采用任一策略的竞争风险数据中的回归关系通常很复杂，可能包括协变量的非线性函数、相互作用、高维参数空间和非比例原因特异性或子分布危害。模型指定错误会导致预测性能不佳。为了解决这些问题，我们提出了一种新的方法，灵活的预测建模的竞争风险数据使用贝叶斯加性回归树（BART）。我们研究了在两个样本的情况下，以及一个复杂的回归设置的模拟性能，并基准测试其性能对标准的回归技术，以及随机生存森林。我们在最近发表的一项针对接受造血干细胞移植的患者的研究中说明了所提出的方法的使用。
2018-06-29 stat.AP stat.ME
Efficiency of nonparametric superiority tests based on restricted mean survival time versus the log-rank test under proportional hazards
针对比例风险下时间-事件终点RCT的分析效率争议，通过渐近分析与模拟探究事件率和删失分布的联合效应，厘清了RMST非参数检验与log-rank检验的相对效率表现。
2024-12-09 stat.AP stat.ME
Ordering results of extreme order statistics from multiple-outlier scale models with dependence
本文主要研究了相依多野值尺度模型中极值顺序统计量的随机比较问题。阿基米德Copula用于描述非负随机变量之间的相关结构。在通常的随机意义下，反向风险率，星和洛伦兹秩序的最大顺序统计量的比较得到的充分条件。最小的顺序统计量也比较相对于通常的随机，风险率，明星和洛伦兹订单。为了说明理论的建立，提供了一些例子。
2020-12-15 math.ST stat.ME stat.OT
Efficient and Debiased Learning of Average Hazard Under Non-Proportional Hazards
Dana-Farber Cancer Institute（达纳法伯癌症研究所）；Stanford University（斯坦福大学）；Harvard Medical School（哈佛医学院）
本文提出了一种半参数双重鲁棒框架，用于高效且去偏地估计非比例危害下的平均危害，解决了传统方法在高维干扰估计和sqrt{n}推断中的不足。
2026-02-13 stat.AP stat.ME stat.ML
Detecting Early and Late Divergences in Survival Curves Using Nonparametric Effect Measures
Intelligent Data Analytics (IDA) Lab, Department of Artificial Intelligence and Human Interfaces (AIHI), Paris Lodron University of Salzburg（萨尔茨堡巴黎罗德大学）；School of Mathematical and Physical Sciences, Macquarie University（麦考瑞大学数理科学学院）；Division of Biostatistics, German Cancer Research Center（德国癌症研究中心）
该研究针对生存曲线早期与晚期分歧难以用比例风险假设捕捉的问题，构建含Kaplan–Meier相关效应及新型时间对比的联合推断框架，经模拟和实际应用验证其性能优于log-rank检验，可揭示隐藏的早期治疗优势。
2026-09-03 stat.ME
Continuously updated estimation of conditional hazard functions
本文提出一种基于递归核平滑的非参数在线估计方法，通过联合密度与条件期望之比表示条件风险函数，适用于删失、截断、治愈个体及竞争风险等时间-事件建模场景，并证明其达到最优收敛速度。
2025-07-02 stat.ME
Parametric inference for proportional (reverse) hazard rate models with nomination sampling
\noindent随机提名抽样（RNS）是一种基于等级的抽样技术，在涉及环境和生态应用的几项非参数研究中已被证明是有效的。本文研究了比例风险率模型和比例反向风险率模型中参数$\boldsymbolθ$未知向量的RNS估计。我们研究了极大似然法（ML）和矩量法（MM）的方法，并调查我们提出的基于RNS的估计相比，那些基于简单随机抽样（SRS）的相对精度。我们介绍了四种类型的RNS为基础的数据，以及必要的EM算法的ML估计，并评估相应的估计性能估计$\boldsymbolθ$。我们发现，总有一些设计参数的值，基于RNS的估计比基于SRS的估计更有效。推理的基础上不完善的排名也进行了探讨，它表明，即使在排名是不完善的，改善。理论结果增加了数值评估和案例研究。
2015-12-17 math.ST stat.AP stat.ME
A Nonparametric Statistical Method for Two Crossing Survival Curves
在两组至事件发生时间数据的比较研究中，当两条生存曲线相互交叉时，可能难以使用对数秩检验和风险比（HR）来正确评估治疗获益。我们的目的是确定一种方法来评估两组在上述情况下的治疗效果。我们基于一种称为两条生存曲线之间的面积（ABS）的直观测量来量化治疗获益，这是临床试验中治疗获益的稳健测量，无论是否违反比例风险假设或两条生存曲线相互交叉。此外，我们提出了一种基于ABS的排列测试，我们评估了这种测试的有效性和可靠性与模拟数据。ABS置换检验是一种稳健的统计推断方法，具有可接受的第一类错误率和检测处理效应差异的卓越功效，尤其是在违反比例风险假设时。ABS可用于直观地量化随时间推移的治疗差异，并在复杂情况下提供可靠的结论，例如穿越生存曲线。R软件包“ComparisonSurv”包含所提出的方法，可从https://CRAN.R-project.org/package=ComparisonSurv获得。关键词：生存分析;两条生存曲线之间的面积;交叉生存曲线;治疗获益
2021-12-20 stat.AP stat.ME
Nonparametric inference about increasing odds rate distributions
为了改进寿命分布的非参数估计，我们建议使用增加几率率（IOR）模型作为其他流行但限制性更强的“不利衰老”模型（例如增加风险率模型）的替代方案。由于IOR模型与重尾分布和浴缸分布兼容，这扩展了某些方法在阶数限制下进行统计推断的适用范围。本文研究了返回误差约束下的累积分布函数的强一致相合估计量。数值证据表明，这种估计往往优于经典的经验分布函数时，基本模型不属于IOR家庭。我们还研究了两种不同的测试，旨在检测IOR属性的偏差，并建立了它们的一致性。这些测试的性能也通过模拟评估。
2022-12-10 stat.ME
Smooth hazards with multiple time scales
本研究针对多时间尺度下的事件时间数据建模需求，提出基于P样条的多尺度平滑风险模型，支持标准观测方案与比例风险回归扩展，借助GLAM算法高效计算并配套R包实现。
2023-07-13 stat.AP stat.ME
Efficient Semiparametric Estimation of Short-term and Long-term Hazard Ratios with Right-Censored Data
在科学研究中，截尾失效时间数据的Cox模型中的比例风险假设经常被违反。Yang和Prentice（2005）提出了一种新的半参数双样本模型，该模型包括比例风险模型和比例优势模型作为子模型，并适应交叉生存曲线。该模型未指明基线风险，两个模型参数可解释为短期和长期风险比。推理程序是基于伪分数方法开发的。虽然提到了扩展以适应协变量，但尚未提供或证明正式程序。此外，伪分数方法可能不是渐进有效的。我们研究了Yang和Prentice（2005）的短期和长期风险比模型的扩展，以适应潜在的时间依赖协变量。我们开发了有效的基于似然的估计和推理程序。证明了非参数极大似然估计是相合的、渐近正态的和渐近有效的。大量的仿真研究表明，所提出的方法在实际环境中表现良好。所提出的方法捕捉到的现象，交叉危险的癌症临床试验，并确定了一个遗传标记，具有显着的长期影响错过了使用比例风险模型在发病年龄的酒精中毒的遗传研究。
2012-06-05 stat.ME
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
Maximum likelihood estimation of a log-concave density and its distribution function: Basic properties and uniform consistency
研究对数凹概率密度及其分布和风险函数的非参数极大似然估计。这些估计的一些一般性质来自两个特征。结果表明，收敛速率相对于上确界范数的密度和危险率估计是至少$(\log(n)/n)^{1/3}$和典型的$(\log(n)/n)^{2/5}$，而经验和估计的分布函数之间的差异消失率$o_{\mathrm{p}}(n^{-1/2})$在一定的规律性假设。
2009-02-09 math.ST stat.ME stat.TH
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
Nonparametric Analysis of Delayed Treatment Effects using Single-Crossing Constraints
由于处理效应延迟，涉及新型免疫肿瘤学（IO）治疗的临床试验经常显示出违反比例风险假设的生存曲线，在这种情况下，两个治疗组的生存曲线可能在两条曲线最终分离之前出现交叉。为了灵活地模拟这种情况，我们描述了一种用于估计治疗组特异性生存函数的非参数方法，该方法限制这两个生存函数最多交叉一次，而不对生存曲线如何相关进行任何额外的假设。我们的方法的一个主要优点是，它提供了一个交叉时间的估计，如果这样的交叉存在，而且，我们的方法产生可解释的措施的治疗效益，包括交叉条件生存概率和交叉条件估计的限制剩余平均寿命。我们证明了我们的方法的使用和有效性与一个大型的模拟研究和分析重建的结果，从最近的联合治疗试验。
2021-01-31 stat.ME
On null hypotheses in survival analysis
生存分析中的常规非参数检验，如对数秩检验，评估风险在所有时间均相等的原假设。然而，危险很难解释因果关系，其他零假设在许多情况下与生存结局更相关。为了允许更广泛的零假设，我们提出了一个通用的方法来定义检验统计量。这种方法利用了这样一个事实，即生存分析中广泛的常见参数可以表示为微分方程的解。这样，我们就可以基于生存参数来检验假设，从而解决由累积风险驱动的微分方程，并且很容易在计算机上实现检验。我们提出了模拟，表明我们的测试在一系列场景中的几个假设表现良好。最后，我们使用我们的测试来评估辅助化疗在结肠癌患者中的效果，使用来自随机对照试验的数据。
2019-01-28 stat.ME
A class of two-sample nonparametric statistics for binary and time-to-event outcomes
本文提出了一类检验比例相等性和生存函数相等性的两样本统计量。我们建立我们的建议的加权组合的分数检验的比例和加权Kaplan-Meier基于神经网络的生存函数的差异的测试。拟定的统计量是完全非参数的，不依赖于生存结局的比例风险假设。我们提出了这些统计量的渐近分布，提出了一个方差估计，并显示其渐近性质下固定和局部替代。我们讨论了不同的权重选择，包括那些控制每个结果的相对相关性，并强调在生存结果中检测到的差异类型。我们评估这些统计的性能与模拟研究，并说明其使用的随机III期癌症疫苗试验。我们已经在R包SurvBin中实现了建议的统计数据，可以在GitHub（https：//github.com/MartaBofillRoig/SurvBin）上获得。
2020-04-04 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
Estimand-based Inference in Presence of Long-Term Survivors
本文针对长期幸存者场景提出基于混合治愈模型的非参数推断方法，分别估计治愈率与易感者生存函数，并引入图形化估计目标比较治疗效果，应用于CheckMate 067免疫疗法试验数据。
2024-09-03 stat.ME
Deep Partially Linear Transformation Model for Right-Censored Survival Data
本文提出深度部分线性变换模型（DPLTM），用于右删失生存数据，兼顾灵活性、可解释性并避免维数灾难，理论推导了估计量性质，模拟和真实数据验证了其性能。
2025-10-18 stat.ME stat.ML
Exact Semiparametric Inference and Model Selection for Load-Sharing Systems
序贯顺序统计量作为一种特殊的比例风险率模型，可以用来描述负荷分担系统的寿命。这些系统的推断需要考虑小样本量，这在可靠性应用中是普遍的。通过利用序贯顺序统计量的概率结构，我们推导出精确的有限样本推理程序来测试的负载分担参数和非参数化指定的基线分布，治疗各自的其他部分作为一个滋扰量。这改进了以前的方法的模型，它要么假设一个完全参数化的规格或依赖于渐近的结果。仿真结果表明，所得到的测试是能够检测偏离原假设在小样本量。一个突出的情况下的临界值列表。
2019-09-16 stat.ME
Doubly Robust Estimation under Possibly Misspecified Marginal Structural Cox Model
本文针对边际结构Cox模型提出双重稳健的增广逆概率加权估计器，解决非比例风险与信息性删失，可整合机器学习，并应用于中年饮酒对晚年死亡率的因果效应估计。
2023-11-13 stat.ME
Estimation of the attributable fraction for time to event outcomes using an inverse probability of exposure weighted Kaplan-Meier estimator
人群归因分数旨在量化如果人群中没有个体暴露于特定暴露，本可以避免的结果（例如疾病）的病例比例。因此，这一数量在流行病学和公共卫生方面发挥着至关重要的作用，特别是在指导政策、干预措施或评估特定接触造成的疾病负担方面。已经提出了各种统计方法来估计可归因分数使用观测数据。当使用事件发生时间数据时，其中几个公式会产生无效结果。其他有效的公式是可用的，但仍然很少使用。我们提出了一个新的估计的归因分数，这是概念上简单，易于实现，使用常见的统计软件。我们提出的估计量利用卡普兰-迈耶估计量来解决删失和潜在的非比例风险，以及逆概率加权来控制混杂。提出了非参数自举法来产生推论。一个模拟研究是用来说明和比较我们提出的估计几个替代方案。结果显示了许多常用的传统方法的偏差和我们的估计在其工作假设下的有效性。
2022-12-19 stat.ME
