OPSurv：用于生存分析的正交多项式求积算法
OPSurv: Orthogonal Polynomials Quadrature Algorithm for Survival Analysis
AI总结：
OPSurv 提出一种基于正交多项式和 Gauss-Legendre 求积的生存分析方法，输出时间连续函数，适用于单一及竞争风险，能有效抗过拟合并提升模型性能。
摘要：
本文介绍了用于生存分析的 Orthogonal Polynomials Quadrature Algorithm（OPSurv），这是一种在生存分析中为单一风险和竞争风险场景提供时间连续函数输出的新方法。OPSurv 利用累积发生率函数的初始零条件和基于正交多项式的概率密度唯一分解，从而学习每个风险事件的函数逼近系数，并通过 Gauss--Legendre 求积构造累积发生率函数估计。该方法有效对抗过拟合，特别是在竞争风险场景中，增强了模型的表达能力和可控性。本文进一步详细介绍了 OPSurv 的经验验证和理论依据，突出了其在竞争风险生存分析中的稳健性能，作为该领域的一项进展。
英文摘要：
This paper introduces the Orthogonal Polynomials Quadrature Algorithm for Survival Analysis (OPSurv), a new method providing time-continuous functional outputs for both single and competing risks scenarios in survival analysis. OPSurv utilizes the initial zero condition of the Cumulative Incidence function and a unique decomposition of probability densities using orthogonal polynomials, allowing it to learn functional approximation coefficients for each risk event and construct Cumulative Incidence Function estimates via Gauss--Legendre quadrature. This approach effectively counters overfitting, particularly in competing risks scenarios, enhancing model expressiveness and control. The paper further details empirical validations and theoretical justifications of OPSurv, highlighting its robust performance as an advancement in survival analysis with competing risks.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
