Two-Stage Least Squares Instrumental Variable Estimation for Semiparametric Accelerated Failure Time Models with Right-Censored Data
本文提出一种结合Leurgans合成变量法的迭代重加权GEE方法，将两阶段最小二乘工具变量估计扩展至带右删失数据的半参数AFT模型，实现了高效且可扩展的因果推断。
2025-09-13 stat.ME
Regression discontinuity design with right-censored survival data
本文在基于强度的计数过程框架下，研究了不连续回归设计在右删失数据生存分析中的应用。特别是，一个本地多项式回归版本的Aalen加性风险估计作为两个协变量依赖的累积风险率函数之间的差异的估计。该估计量的大样本理论，包括置信区间，考虑到与偏差校正相关的不确定性。正如因果关系文献中的标准一样，模型和理论嵌入了潜在结果框架。两个一般性的结果有关的潜在后果和生存数据的乘性风险模型。
2022-10-05 econ.EM math.ST stat.ME
Flexible Doubly Robust Proximal Causal Inference for Censored Outcomes
Duke University（杜克大学）
针对未观测混杂下右删失时间-事件结局的因果效应估计难题，提出灵活双重鲁棒近端框架PSB，含两种学习器，在多基准研究中表现出良好性能与鲁棒性。
2026-10-16 cs.LG stat.ME stat.ML
A Nonparametric Method for Value Function Guided Subgroup Identification via Gradient Tree Boosting for Censored Survival Data
在具有生存结局的随机临床试验中，基于基线基因组、蛋白质组学标志物或临床特征的亚组识别越来越受到关注。一些现有的方法通过直接建模结果或处理效应来识别从实验处理中实质上受益的亚组。当目标是为给定患者找到最佳治疗而不是为给定治疗找到合适的患者时，个体化治疗方案框架下的方法估计个体化治疗规则，该个体化治疗规则将导致如由值函数测量的最佳预期临床结果。将价值函数的概念与亚组识别联系起来，我们提出了一种非参数方法，该方法通过最大化直接反映基于受限平均生存时间的亚组-治疗相互作用效应的价值函数来搜索亚组成员资格分数。提出了一种梯度树提升算法来搜索单个子组成员分数。我们进行模拟研究，以评估所提出的方法的性能和应用程序的艾滋病临床试验进行说明。
2020-06-15 stat.ME
Recovering Sparse and Interpretable Subgroups with Heterogeneous Treatment Effects with Censored Time-to-Event Outcomes
Carnegie Mellon（卡内基梅隆大学）
涉及随机化实验以及观察性数据的研究通常涉及至事件结局的时间，例如至失败、死亡或不良状况发生的时间。由于失访，这些结局通常会被删失，并且既定的统计实践涉及比较治疗组和对照组之间的风险比方面的治疗疗效。在本文中，我们提出了一种统计方法来恢复稀疏表型（或亚型），表现出差异处理效应相比，研究人群。我们的方法包括将数据建模为混合物，同时通过结构化稀疏正则化来执行参数收缩。我们提出了一种新的推理程序所提出的模型，并证明其在恢复稀疏表型在心血管健康的大型标志性现实世界的临床研究的有效性。
2023-02-24 cs.LG stat.ME stat.ML
A causal approach to analysis of censored medical costs in the presence of time-varying treatment
最近，人们对发展统计方法来比较治疗组之间的医疗费用越来越感兴趣。当累积成本是利益的结果，右删失带来了挑战的信息缺失，由于异质性的成本积累率在科目。寻求解决信息成本轨迹的挑战的现有方法通常依赖于逆概率加权，并以净“意向治疗”效应为目标。然而，迄今为止，还没有开发出能够处理时间依赖性治疗和这种情况下的混淆的方法。在比较干预措施时，估计治疗方案对成本的联合因果效应的方法将有助于为公共政策提供信息。在本文中，我们开发了一个嵌套的g-计算方法的成本分析，以适应时间依赖性的治疗和重复的结果的措施。我们证明，我们的程序是合理的强大的偏离其分布假设，并可以提供独特的见解，在时间依赖性治疗制度的平均成本的根本差异。
2017-05-24 stat.ME
Censored Quantile Instrumental Variable Estimation with Stata
许多应用涉及删失因变量和内生自变量。Kowalski等人（2015年）引入了一种用于这些应用的删失分位数工具变量估计量（CQIV），Kowalski（2016年）已应用于这些应用。在本文中，我们介绍了一个Stata命令cqiv，它简化了Stata中CQIV估计器的应用。我们总结了CQIV估计器和算法，我们描述了cqiv命令的使用，我们提供了经验的例子。
2019-09-24 econ.EM stat.CO
Semiparametric Causal Inference for Right-Censored Outcomes with Many Weak Invalid Instruments
针对生物样本库孟德尔随机化中右删失结局、多弱无效工具下经典方法失效的问题，提出半参数因果推断框架与GEL-NOW方法，推导含删失不确定性的渐近性质，经模拟和UK Biobank数据验证具稳健性与实用性。
2025-10-03 math.ST stat.ME stat.TH
A nonparametric relative treatment effect for direct comparisons of censored paired survival outcomes
针对右删失配对生存数据的治疗效果比较问题，提出基于竞争风险技术的非参数相对治疗效应估计方法，通过随机化重抽样实现推断，模拟显示功效优于传统方法，并在糖尿病视网膜病变数据集上验证了适用性。
2023-06-15 math.ST stat.ME stat.TH
A Semiparametric Bayesian Method for Instrumental Variable Analysis with Partly Interval-Censored Time-to-Event Outcome
University of California Los Angeles（加利福尼亚大学洛杉矶分校）
针对部分区间删失生存数据，本文提出基于两阶段 Dirichlet 过程混合工具变量（DPMIV）模型的半参数贝叶斯方法，放宽正态误差假设以估计内生变量的因果效应，模拟和 UK Biobank 数据验证了其稳健性与优越性。
2025-01-23 cs.LG stat.AP stat.CO
Sensitivity analyses for average treatment effects when outcome is censored by death in instrumental variable models
在对非死亡结局（如支气管肺发育不良（BPD））进行因果推断时出现的两个问题是未测量的混杂和死亡删失，即，只有当受试者存活时才能观察到结果。在不依从的随机化实验中，工具变量方法可用于控制未测量的混杂因素，而无需通过死亡进行删失。但是，当按死亡删失时，在通常假设下无法确定平均因果处理效应，但可以通过使用附加假设的敏感性分析研究特定亚群。然而，在观察性研究中，未充分研究通过未测量混杂因素的死亡问题删失的局部平均处理效应（LATE）评价。本文提出了一种基于工具变量模型的敏感性分析方法。具体来说，我们提出了一个额外的假设下的识别结果，并提出了一个三步的LATE估计过程。此外，我们提出了一种改进的两步程序，通过同时估计仪器倾向得分（即，给定协变量的仪器概率）和由假设引起的参数。我们已经通过模拟研究表明，两步程序可以比三步程序更鲁棒和有效。最后，我们将我们的敏感性分析方法应用于研究在高水平新生儿重症监护病房分娩对BPD风险的影响。
2018-02-19 stat.AP stat.ME
Randomization-based Test for Censored Outcomes: A New Look at the Logrank Test
具有截尾结果的双样本检验是统计学中的一个经典课题，甚至在前沿应用中也有广泛的应用。至少有两种推理模式用于证明双样本检验的合理性。一种是通常的超总体推断，假设单位是独立同分布的（i.i.d.）样本从一些超级人口;另一个是有限总体推断，依赖于随机分配的单位到不同的群体。当实际实施随机化时，后者的优点是避免了对结果的分布假设。在本文中，我们专注于删失结果的有限总体推断，这在文献中较少探讨。此外，我们允许截尾时间取决于治疗分配，在此情况下，无法实现精确的排列推断。我们发现，令人惊讶的是，通常的对数秩检验也可以通过随机化来证明。具体地说，在伯努利随机实验与非信息i.i.d.删失后，对数秩检验对于检验任何单位无治疗效应的Fisher原假设渐近有效。对数秩检验的渐近有效性不需要对潜在事件时间进行任何分布假设。我们进一步扩展了理论的分层对数秩检验，这是有用的随机区组设计，当截尾机制不同的阶层。总之，从有限总体推断发展的对数秩检验理论补充了从通常的超总体推断的经典理论，并有助于为对数秩检验提供更广泛的理由。
2022-10-05 math.ST stat.TH
PDXpower: A Power Analysis Tool for Experimental Design in Pre-clinical Xenograft Studies for Uncensored and Censored Outcomes
针对PDX临床前实验缺乏同时确定PDX系和每组动物数的功效分析工具的问题，研究团队开发了R包PDXpower，基于混合效应ANOVA和Cox脆弱模型，支持未删失和删失结局的样本量估算，已在CRAN公开。
2024-04-13 stat.AP
Nonparametric instrumental regression with right censored duration outcomes
本文分析了离散处理Z对持续时间T的影响。治疗不是随机分配的。使用离散的工具变量解释治疗和独立的模型的误差项的混杂问题进行治疗。我们的框架是非参数的，并允许随机右删失。该规范生成非线性逆问题，并且从其解导出平均处理效果。我们提供了依赖于一个非线性系统方程的局部和全局识别特性。我们提出了一个估计程序来解决这个系统，并推导出收敛速度和条件下，估计是渐近正态的。当删失使识别失败时，我们开发部分识别结果。我们的估计在模拟中表现出良好的有限样本性质。我们还将我们的方法应用于伊利诺伊州再就业奖金实验。
2020-11-20 econ.EM math.ST q-bio.QM
Surrogate-powered Causal Inference with Censored Outcomes
Cornell University（康奈尔大学）
针对生存数据删失导致的信息丢失，提出利用治疗后疾病史的目标保持估计器，通过影响函数和增益恒等式提升因果效应估计效率，并验证于乳腺癌数据。
2026-10-06 econ.EM math.ST stat.ME
Estimating heterogeneous treatment effects with right-censored data via causal survival forests
Zhejiang University（浙江大学）；UNC Chapel Hill（北卡罗来纳大学教堂山分校）；Stanford University（斯坦福大学）；UIUC（伊利诺伊大学厄巴纳-香槟分校）
基于森林的方法最近在非参数处理效应估计中得到普及。在这一工作的基础上，我们引入了因果生存森林，它可用于估计异质性处理效应的生存和观察设置的结果可能是右删失。我们的方法依赖于正交估计方程，以鲁棒地调整下unconfoundness的删失和选择效果。在我们的实验中，我们发现我们的方法相对于一些基线表现良好。
2023-02-28 cs.LG stat.ME stat.ML
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
Estimating of $P(Y<X)$ in the Exponential case Based on Censored Samples
本文讨论了在II型截尾数据下，当强度$X$和应力$Y$均为两个独立的指数分布且尺度参数不同时，系统可靠度的$p(y<x)$估计.不同的方法来估计的可靠性。得到的点估计是极大似然估计、一致最小方差无偏估计量和基于共轭无信息先验分布的贝叶斯估计。对获得的估计值进行比较。文中还讨论了可靠性的区间估计。
2008-01-07 stat.ME
Valid post-correction inference for censored regression problems
在科学和工程的许多领域，经常需要两步估计来拟合截尾回归模型。由于删失会在朴素最小二乘拟合中产生偏倚，因此两步估计器首先估计偏倚，然后拟合校正的线性模型。我们开发了一个框架，用于执行有效的/校正后的推断/两步估计。利用最近的结果后选择推理，我们得到有效的置信区间和显着性检验的拟合系数。
2014-03-13 stat.ME
The Kaplan-Meier Estimator as a Sum over Units
Siemens Gamesa Renewable Energy Deutschland GmbH（西门子歌美锐可再生能源德国有限公司）
本文针对部分右删失生存数据的Kaplan-Meier乘积限估计量提出求和形式化方法，将其分解为个体单位的经验与半经验贡献之和，以可视化不同单位的贡献。
2026-08-24 stat.ME
Interval censored recursive forests
提出了区间删失递归森林算法（ICRF），这是一种求解区间删失生存数据的迭代树集成方法。这种非参数回归估计量通过迭代更新生存估计量来充分利用删失信息，并且可以被视为自相合估计量，使用袋外样本监测收敛性。针对区间删失数据，提出了优化的分裂规则，并应用了核平滑方法。ICRF在大多数模拟和雪崩数据的应用实例中显示出最高的预测精度。一个R软件包icrf可用于实现。
2021-05-20 stat.ME
Penalized bias reduction in extreme value estimation for censored Pareto-type data, and long-tailed insurance applications
重尾分布随机截尾数据的尾估计问题受到越来越多的关注，例如在精算统计中的应用。极值指数的可用估计量的偏差可能很大，并强烈依赖于删失量。我们回顾了现有的估计，提出了一个新的偏差减少估计，并显示如何收缩估计可以帮助保持控制下的MSE。提出了一种构造置信区间的Bootstrap算法。我们比较这些新的建议与现有的估计，通过模拟。最后，我们对长尾汽车保险投资组合进行了详细的研究，该投资组合通常具有很强的删失。
2017-05-18 stat.ME
Estimation of the odds ratio in a proportional odds model with censored time-lagged outcome in a randomized clinical trial
在许多COVID-19治疗药物的随机临床试验中，主要结局是一个有序分类变量，关注点集中在比例优势模型假设下的优势比（活性药物与对照药物）。虽然在最终分析时将确定所有受试者的结局，但在中期分析时，可能尚未确定某些受试者的状态，例如，因为直到某个预先指定的随访时间才可能确定结果。因此，这些受试者的结果可以被视为已审查。有效的中期分析可以仅基于那些进行了全面随访的受试者的数据;然而，这种方法效率低下，因为它没有利用中期分析时尚未获得结局的受试者的额外信息。呼吁半参数的理论，我们提出了一个估计的比值比比例优势模型与删失，时滞分类结果，包括额外的基线和时间依赖的协变量信息，并证明它可以导致相当大的收益效率相对于简单的方法。该方法的副产品是基于最终分析时可用的完整数据的协变量调整的比值比估计量。
2021-08-24 stat.ME
Selection of the Optimal Personalized Treatment from Multiple Treatments with Right-censored Multivariate Outcome Measures
我们提出了一种新的个性化的概念，最佳治疗选择的情况下，响应是一个多变量向量，可能包含右删失变量，如生存时间。所提出的方法可以应用于任何数量的治疗和结果变量，在一组广泛的模型。在将协变量和响应联系起来的工作半参数单指数模型之后，我们首先定义了一个由单个协变量构建的患者特定综合评分。然后，我们估计每个响应的条件平均值，给定患者评分，对应于每个治疗，使用非参数平滑估计。接下来，应用等级聚合技术来估计基于由条件平均值给出的治疗性能测量的等级列表的治疗的排序。我们通过将截尾权重的逆概率引入到相应的估计量中来处理右删失数据。实证研究说明了所提出的方法在有限样本问题中的性能。为了显示所提出的程序对真实数据的适用性，我们还使用HIV临床试验数据进行了数据分析，其中包含右删失生存事件作为终点之一。
2022-09-29 stat.ME
SID: A Novel Class of Nonparametric Tests of Independence for Censored Outcomes
本文提出生存独立散度（SID）这一新型度量指标，通过计数过程策略解决右删失数据的独立性检验问题，其经验估计具有渐近性质，野生bootstrap方法可估计临界值，数值研究显示该方法优于现有方法。
2025-08-26 stat.ME
Dynamic Treatment Regimes using Bayesian Additive Regression Trees for Censored Outcomes
为了实现为每位患者提供最佳护理的目标，医生需要为具有相同诊断的患者定制治疗方法，特别是在治疗可能进一步发展并需要额外治疗的疾病时，例如癌症。随着疾病的进展，在多个阶段做出决定可以被正式定义为动态治疗方案（DTR）。大多数现有的估计动态治疗方案的优化方法，包括流行的Q-学习方法是在频率论的背景下开发的。最近，一个通用的贝叶斯机器学习框架，促进使用贝叶斯回归建模优化DTR已经提出。在这篇文章中，我们使用贝叶斯加性回归树（BART）为加速故障时间建模框架下的每个阶段，以及模拟研究和实际数据的例子，比较所提出的方法与Q学习的删失结果。我们还开发了一个R包装函数，利用标准的BART生存模型来优化DTR的删失结果。包装器函数可以很容易地扩展以适应任何类型的贝叶斯机器学习模型。
2022-10-24 stat.ME
Model-free Approach to Evaluate a Censored Intermediate Outcome as a Surrogate for Overall Survival
提出一种非参数无模型方法，通过定义最佳变换估计删失替代结局对主要结局治疗效果的解释比例（PTE），放宽了PTE在(0,1)内的假设，适用于受删失的时间到事件结局场景。
2024-12-18 stat.ME
Efficient Inference for Time-to-Event Outcomes by Integrating Right-Censored and Current Status Data
本研究提出一种半参数数据融合框架，整合右删失与当前状态数据，通过双稳健及高效估计量实现生存概率的高效推断，并证明可带来显著效率提升。
2025-09-12 stat.ME
Robust and efficient estimation in the presence of a randomly censored covariate
针对右删失协变量，提出兼具双重稳健与半参数高效性的估计量，并在 R 包 sparcc 中实现，用于分析 Enroll-HD 亨廷顿病症状轨迹。
2024-09-18 stat.ME
Model Based Bootstrap Methods for Interval Censored Data
我们研究了基于模型的bootstrap方法在区间删失数据下构建生存函数的逐点置信区间的性能。我们表明，从生存函数的非参数极大似然估计的自举是不一致的，目前的状态和情况2区间删失模型。提出了一种基于模型的平滑引导过程，并证明是一致的。此外，模拟研究进行说明（不）-一致的自助方法。我们在区间删失模型中的结论将更广泛地扩展到表现出非标准收敛率的回归模型中的估计。
2013-12-22 stat.ME
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
Regression-based proximal causal inference for right-censored time-to-event data
本文针对右删失时间-事件数据提出一种基于回归的两阶段近端因果推断方法，在加性风险模型下利用阴性对照变量控制未测量混杂，并通过SUPPORT数据验证，已实现于R包pci2s。
2025-04-23 stat.ME
Non-parametric estimation of transition intensities in interval censored Markov multi-state models without loops
提出基于期望最大化算法的无环区间删失Markov多状态模型转移强度非参数估计量，支持混合删失数据，在较低计算成本下与一致估计量结果近乎相同。
2025-07-15 stat.ME
Training-Set Conditionally Valid Prediction Sets with Right-Censored Data
本文针对右删失数据提出一种基于半参数一步估计的预测下界构造方法，实现训练集条件有效性，并在模拟与真实数据上验证其高效性与鲁棒性。
2025-05-04 stat.ME
Semiparametric estimation of GLMs with interval-censored covariates via an augmented Turnbull estimator
Universitat Politècnica de Catalunya·BarcelonaTech（加泰罗尼亚理工大学）
本文提出了一种基于似然的方法GELc，用于估计具有区间截断协变量的广义线性模型，并通过模拟研究和实际应用验证了其有效性。
2026-01-13 q-bio.QM stat.ME
Trimmed extreme value estimators for censored heavy-tailed data
本文考虑右删失数据下重尾数据的极值指标和极值分位数的估计。本文研究了尾估计中去除低重要性观测值的一般方法。这个修剪程序适用于随机右删失尾估计的最先进的估计。通过平均程序的修剪量，我们得到新的核类型估计。广泛的模拟表明，一个新的考虑内核导致一个高度竞争力的估计几乎任何其他可用的替代方案在这个框架中。此外，我们提出了一个自适应选择方法的顶部数据的数量估计的基础上的修剪过程最小化的渐近均方误差。我们还提供了一个例子，这种方法来模拟以及真实世界的MTPL保险数据。
2021-05-12 math.ST stat.ME stat.TH
Nonparametric M-estimation for right censored regression model with stationary ergodic data
研究了平稳遍历右删失回归模型的非参数M-估计。定义为隐函数，当协变量取值于R^d（d >= 1）且数据来自平稳遍历过程时，考虑了稳健回归族的核型估计.在较弱的假设下，证明了估计量的强相合性（含率）和渐近分布。此外，提供了一个可用的置信区间，它不依赖于任何未知量。我们的结果在没有任何混合条件下成立，并且不需要存在边缘密度。还提供了基于模拟数据的比较研究。
2016-04-29 stat.ME
Establishing the Parallels and Differences Between Right-Censored and Missing Covariates
本文建立右删失协变量与缺失协变量在不同删失和缺失假设下的联系，提出并分析六种估计量，并通过模拟和亨廷顿病数据验证。
2024-09-07 stat.AP stat.ME
Robust Evaluation of Longitudinal Surrogate Markers with Censored Data
本文针对删失时间至事件结局场景，提出稳健评估纵向替代指标的方法，估计治疗效应中被纵向替代指标解释的比例，并通过模拟和糖尿病预防计划数据验证其有效性。
2024-02-26 stat.ME
A dependent and censored first hitting-time model with compound Poisson processes
本文提出一种基于相依复合泊松过程的二元首达时间模型，讨论可识别性并给出似然估计量，通过模拟和蘑菇中毒患者数据验证了方法的有效性。
2025-04-11 stat.ME
A flexible quantile mixed-effects model for censored outcomes
Syneos Health；Department of Mathematical Statistics and Actuarial Science, University of the Free State（自由州大学数学统计与精算科学系）；I-BioStat, KU Leuven（KU鲁汶大学生物统计研究所）；Department of Statistics and Actuarial Science, University of Stellenbosch（斯泰伦博斯大学统计与精算科学系）
本文提出了一种基于SEP分布的分位数混合效应模型，用于处理截断纵向数据，相较于SL模型，该方法在偏斜性冲突时表现更稳定。
2025-11-20 stat.ME
Counting Process Based Dimension Reduction Methods for Censored Outcomes
利用失效过程的计数过程表示，提出了右删失生存数据的一类降维方法。构造了半参数估计方程，用于估计失效时间模型的降降维子空间。所提出的方法解决了现有方法的两个基本限制。首先，使用计数过程公式，它不需要任何估计的删失分布，以补偿估计的降维子空间的偏差。其次，估计方程中的非参数部分是自适应的结构维数，因此该方法规避了维数灾难。渐近正态性的建立所获得的估计。我们进一步提出了一种计算效率高的方法，简化了估计方程的配方，只需要一个奇异值分解估计的降维子空间。数值研究表明，我们的新方法表现出显着改善的性能，估计真正的降维子空间。我们进一步对来自癌症基因组图谱的皮肤黑色素瘤数据集进行了真实数据分析。所提出的方法在R包“orthoDr”中实现。
2018-06-08 stat.ME
The conditional censored graphical lasso estimator
在许多应用领域，如基因组学，不同类型的数据收集在同一系统中，并不罕见，其中一些数据集受到审查的结果所使用的测量技术，如聚合酶链反应和流式细胞仪产生的数据。当总体目标是网络推理时，在系统的可能不同级别，来自不同来源和/或分析的不同步骤的信息可以使用条件图形模型集成到一个模型中。在本文中，我们开发了一个双惩罚推理过程的条件高斯图模型时，数据可以受到审查。处理删失数据在高维的计算挑战，满足了一个有效的期望最大化算法的发展，截断高斯分布的矩的近似计算的基础上，并在适当的派生两步程序交替图形套索与一个新的块坐标多元套索方法。我们评估了这种方法的性能上广泛的模拟研究和RT-qPCR技术，在那里我们能够集成网络推理，差异表达检测和数据归一化到一个模型中产生的基因表达数据。
2019-10-28 stat.ME
An efficient Gehan-type estimation for the accelerated failure time model with clustered and censored data
在医学研究中，收集的协变量通常包含潜在的离群值。对于具有删失观测的聚类/纵向数据，传统的Gehan型估计对响应中存在的离群值具有稳健性，但对协变量域中的离群值敏感，并且忽略了聚类内的相关性。考虑到簇内相关性、簇大小的变化以及协变量中的异常值，我们提出了簇数据加速失效时间模型中参数估计的加权Gehan型估计函数.我们提供的估计量的渐近性质，并进行模拟研究，以评估所提出的方法在各种现实的设置下的性能。仿真结果表明，所提出的方法是强大的协变量域中存在的离群值，并导致更有效的估计时，一个强大的类内相关性存在。最后，将所提出的方法应用于一个医学数据集，从而获得更可靠和令人信服的结果。
2020-03-09 stat.ME
Evaluating Surrogate Marker Information using Censored Data
考虑到治疗或干预研究通常需要较长的随访期，使用替代标记物来减少所需随访时间的可能性是一个非常有吸引力的目标。然而，先前的研究表明，使用不充分的标志物或对主要结局与替代标志物之间的关系做出不适当的假设可能导致关于处理效应的不准确结论。目前用于识别和验证替代标志物的可用方法倾向于依赖于限制性模型假设和/或专注于未经审查的结果。当关注的主要结局是至事件发生时间结局时，由于在替代标志物测量之前经历主要结局的患者中删失和缺失替代信息，因此难以在实践中使用此类方法。在本文中，我们提出了一个新的定义的比例处理效应解释的替代信息收集到一个特定的时间，在设置的时间到事件的主要结果。我们提出的方法适应的设置，个人可能会遇到的替代标记物测量之前的主要结果。我们提出了一个强大的非参数过程来估计定义的数量使用删失数据，并使用扰动恢复过程的方差估计。仿真研究表明，所提出的程序在有限的样本表现良好。我们说明了拟议的程序，通过调查两个潜在的替代标记物糖尿病预防计划的数据。
2016-08-10 stat.ME
Neural Bayes estimators for censored inference with peaks-over-threshold models
本文提出利用神经贝叶斯估计器和数据增强技术高效处理删失超阈值峰值模型的空间极值推断，显著提升计算与统计效率，并成功应用于沙特阿拉伯PM2.5浓度评估。
2024-06-18 stat.ME stat.ML
Predictive Accuracy of Markers or Risk Scores for Interval Censored Survival Data
在文献中广泛讨论了生物标志物对生存结局预测准确性的评估方法，这些方法受右删失的影响。在癌症和其他疾病中，生存结局通常受设计或随访方案的区间删失影响。本文基于非参数筛选极大似然方法，提出了区间删失数据时变受试者工作特征ROC曲线下面积的一个估计。我们建立了所提出的估计的渐近性质，并说明其有限样本性质，使用模拟研究。我们的方法的应用说明使用的数据从癌症临床研究。CRAN上有一个开源的R包来实现所提出的方法。
2018-06-05 stat.ME
Broken Adaptive Ridge Regression for Right-Censored Survival Data
破碎自适应岭（BAR）是$L_0$ -惩罚回归的计算可扩展的替代，其涉及迭代地执行重新加权的$L_2$惩罚回归，并且在避免$L_2$和$L_0$惩罚回归的一些限制的同时享有它们的一些吸引人的性质。本文将BAR方法推广到右删失生存数据的半参数加速失效时间（AFT）模型。具体地说，我们提出了一个截尾BAR（CBAR）估计应用BAR算法的Leurgan的合成数据，并表明所得到的CBAR估计是一致的变量选择，具有预言性质的参数估计{和享有分组性质的高度相关的协变量}。低维和高维协变量都被考虑。我们的方法的有效性进行了证明，并与一些流行的惩罚方法进行了比较，使用模拟。实际数据插图上提供了一个弥漫性大B细胞淋巴瘤的数据和多形性胶质母细胞瘤的数据。
2020-11-27 stat.ME
L1-Penalized Censored Gaussian Graphical Model
图形套索是用于推断遗传网络的最常用的估计器之一。尽管它的扩散，有几个领域的应用研究中，现代测量技术的检测限制，使使用这个估计理论上是没有根据的，即使当一个多变量高斯分布的假设是满意的。典型的例子是由聚合酶链式反应和流式细胞仪产生的数据。删失和高维性的结合使得从这些数据中推断潜在的遗传网络非常具有挑战性。在本文中，我们提出了一个$\ell_1$ -惩罚高斯图模型的删失数据，并推导出两个EM类算法的推断。通过广泛的模拟研究，我们评估了所提出的算法的计算效率，并表明我们的建议克服了现有的竞争对手时，删失数据。我们将所提出的方法应用于来自微流控RT-qPCR技术的基因表达数据，以推断血液发育的调控机制。
2018-01-24 stat.ME
Semiparametric Copula Quantile Regression for Complete or Censored Data
当面对多元协变量时，一般的半参数回归技术可以提出灵活的模型，这些模型不受维数灾难的影响。在这项工作中，半参数Copula为基础的估计条件分位数完全或右删失数据进行了研究。在精神上，该方法扩展了Noh et al.（2013）和Noh et al.（2015）的近期工作，因为主要思想在于根据多变量copula和边缘分布适当定义分位数回归。事先估计后者和简单的插件导致一个容易实现的估计表示，无论上下文中有或没有审查，作为一个加权分位数的观察到的响应变量。此外，与文献中的初始建议相反，研究了多变量Copula密度的半参数估计方案，其动机是纯参数方法的可能缺点，并由回归上下文驱动。由此得到的分位数回归估计具有在分位数水平上自动单调的有价值的性质，并且在经典的正则条件下得到了完全数据和删失数据的渐近正态性。最后，数值例子以及实际数据的应用，以说明所提出的方法的有效性和有限样本性能。
2016-03-24 stat.ME
Efficient nonparametric estimators of discrimination measures with censored survival data
针对删失生存数据中评分规则依赖删失分布的问题，提出不依赖删失模型设定的非参数去偏估计量，有效利用数据并最小化偏差，通过模拟和脑癌研究验证了方法优越性。
2025-08-11 stat.ME
Sequential Double Robustness in Right-Censored Longitudinal Models
考虑在纵向研究中，在给定的治疗方案下，估计反事实平均结果的G公式。Bang和Robins提供了这个数量的估计量，它依赖于这个参数的序贯回归公式。这种方法是双重稳健的，因为如果结果回归或治疗机制被一致地估计，则它是一致的。我们定义了一个更强的双稳健性的概念，称为序贯双稳健性，纵向G-公式的估计。这个定义自然地出现在结果回归估计量的序贯双稳健性的更一般的定义中。如果在每个后续时间点，结果回归或治疗机制被一致地估计，则结果回归估计器是顺序双稳健的（SDR）。这种形式的鲁棒性正是人们通过研究G公式参数的一阶展开式的余项所预期的。我们表明，一个特定的实现现有的程序是SDR。我们还介绍了一种新的SDR估计，其发展涉及到一个新的翻译的想法，在有针对性的最小损失为基础的估计无限维设置。
2018-05-17 stat.ME
Treatment heterogeneity with right-censored outcomes using grf
本文演示了如何利用grf包中的causal_survival_forest函数，在右删失生存数据中估计条件平均处理效应，并以国家就业培训伙伴法案数据为例。
2024-02-25 stat.AP stat.CO stat.ME
Estimation of Spectral Risk Measure for Left Truncated and Right Censored Data
针对保险中的左截断右删失数据，提出基于乘积限估计量的谱风险度量非参数估计，证明其渐近正态性、Edgeworth展开及bootstrap二阶精度，蒙特卡洛显示其在小k和小样本下优于现有估计量。
2025-02-26 q-fin.RM stat.ME
