Statistical estimation in the proportional hazards model with risk set sampling
回归参数的Thomas偏似然估计被广泛应用于Cox模型嵌套病例对照数据的分析。本文提出了回归参数的一种新的估计，它是相合的且渐近正态的。它的渐近方差比Thomas的估计量离零点的渐近方差小于。与其他一些现有的估计，建议的估计不依赖于任何更多的数据比严格必要的托马斯估计，是很容易计算的封闭形式的估计方程的唯一的解决方案。方差估计是以估计函数的导数的倒数的负来获得的，因此推断是容易获得的。最后给出了一个数值例子来支持理论。
2004-10-05 math.ST stat.TH
A proportional hazard model for the estimation of ionosphere storm occurrence risk
严重的电离层磁暴对于导航系统的完整性和连续性来说是令人担忧的事件，例如EGNOS，欧洲SBAS（卫星增强系统）补充GPS，并且有必要对这种事件的概率进行精确建模。我们的目标是在本文中提出的工作是给这样的极端磁暴的频率估计每时间单位（年）在整个太阳周期。因此，我们开发了一种创新的方法，基于比例风险模型，灵感来自Cox模型，与不定常协变量。一个周期内的风暴数被假定为一个非齐次的泊松过程。这一过程的强度可表示为基线风险和风险因素的乘积。与Cox模型中所做的相反，基线风险是一个感兴趣的参数（而不是一个讨厌的参数），它是要估计的强度。在极值理论中，所有的高水平事件将被用来进行估计，结果将被外推到极端水平的。在对模型进行了精确的描述之后，我们给出了估计结果和模型扩展。并对当前太阳活动周（第24周）进行了预测。
2015-05-21 math.ST stat.TH
Dependence comparisons of order statistics in the proportional hazards model
令$X_1, \ldots , X_n$是具有不同风险率$λ_1, \ldots , λ_n > 0$的相互独立的指数随机变量，并且令$Y_1, \ldots, Y_n$是来自具有风险率$\bar \lmd = \sum_{i=1}^n \lmd_i/n$的指数分布的随机样本。还让$X_{1:n} < \cdots < X_{n:n}$和$Y_{1:n} < \cdots < Y_{n:n}$作为其关联的顺序统计量。结果表明，对于$1\le i <j \le n$，广义间距$X_{j:\, n} - X_{i:\, n}$比$Y_{j:\,n} - Y_{i:\, n}$更分散，根据色散排序。这一结果是用来解决一个长期存在的开放问题，$2\le i \le n$的$ X_{i:\, n}$对$X_{1:\, n}$的依赖性小于$Y_{i: \, n}$对$Y_{1\, :n}$的依赖性，在这个意义上，更多的随机性增加。这一结果也被推广到PHR模型。这扩展了{ \em Genest，Kochar和Xu}[J.多元分析{ \bf 100}（2009）\ 1587-1592]，其证明了$i =n$的该结果。
2022-02-16 math.PR math.ST stat.TH
Divergence-based robust inference under proportional hazards model for one-shot device life-test
在本文中，我们发展了稳健估计和测试的一杆设备测试下的比例风险假设的基础上的分歧措施。通过详细的蒙特卡罗模拟研究和数值例子，开发的推理程序被证明是更强大的比经典的程序，基于极大似然估计。
2020-04-28 stat.AP
Efficient and Debiased Learning of Average Hazard Under Non-Proportional Hazards
Dana-Farber Cancer Institute（达纳法伯癌症研究所）；Stanford University（斯坦福大学）；Harvard Medical School（哈佛医学院）
本文提出了一种半参数双重鲁棒框架，用于高效且去偏地估计非比例危害下的平均危害，解决了传统方法在高维干扰估计和sqrt{n}推断中的不足。
2026-02-13 stat.AP stat.ME stat.ML
Robust Hypothesis Testing and Model Selection for Parametric Proportional Hazard Regression Models
半参数Cox比例风险回归模型在许多应用科学领域中得到了广泛的应用。然而，一个完全参数的比例风险模型，如果适当的假设，往往可以导致更有效的推理。为了解决传统的极大似然估计的极端非鲁棒性，在这种完全参数比例风险模型下的数据中存在离群值，最近提出了一种稳健估计方法，扩展了最小密度幂散度估计（MDPDE）的概念。本文研究了参数比例风险模型下的统计推断问题，并利用MDPDE方法建立了稳健的Wald型假设检验和模型选择方法。我们还得到了必要的渐近结果，用于构造一般复合假设的检验程序，并研究其渐近功效。通过适当的影响函数分析，从理论上研究了所声称的鲁棒性。我们已经研究了有限样本水平和权力的建议MDPDE基于Wald型测试通过广泛的模拟，比较也与现有的半参数方法。文中还讨论了鲁棒整定参数的选取问题。最后通过三个有趣的实际数据例子说明了所提出的鲁棒性测试和模型选择程序的实际用途。
2020-09-26 stat.AP stat.ME
Optimal subsampling for the Cox proportional hazards model with massive survival data
在生存分析中，大量生存数据的使用已变得普遍。针对协变量为时间相关的考克斯比例风险模型，在样本量非常大但计算资源相对有限的情况下，提出了一种二次抽样算法.子样本估计是通过最大化加权偏似然，它被证明具有一致性和渐近正态性。通过最小化子样估计量的渐近均方误差，给出了最优子样概率的显式表达式。仿真研究表明，该方法可以令人满意地近似估计的全部数据集。然后将所提出的方法应用于企业贷款和乳腺癌数据集，具有不同的删失率，结果证实了其实际优势。
2023-02-05 stat.CO
A Multiple kernel testing procedure for non-proportional hazards in factorial designs
Otto-von-Guericke University Magdeburg（马格德堡奥托·冯·格里克大学）；Universidad Adolfo Ibáñez（阿道夫·伊巴涅斯大学）；Universidad de Valparaíso（瓦尔帕莱索大学）
在本文中，我们提出了一个多核测试程序来推断生存数据时，几个因素（如不同的治疗组，性别，病史）和他们的相互作用是同时感兴趣的。我们的方法是能够处理复杂的数据，可以被看作是一种替代无所不在的Cox模型时，假设，如比例不能证明。我们的方法结合了生存分析，机器学习和多重检验的知名概念：不同加权对数秩检验，核方法和多重对比检验。通过这种方式，可以检测到超出经典比例风险设置的复杂风险替代方案。此外，通过充分利用单个测试过程的依赖结构来进行多重比较，以避免功率损失。总之，这导致了一个灵活的和强大的程序因子生存设计的理论有效性证明了鞅参数和$V$ -统计理论。我们评估我们的方法在一个广泛的模拟研究的性能，并说明它通过一个真实的数据分析。
2022-06-15 cs.LG 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
A New Class of Mark-Specific Proportional Hazards Models for Recurrent Events: Application to Opioid Refills Among Post-Surgical Patients
针对术后阿片类药物续配问题，提出一类将剂量作为连续变化标记的复发事件特定标记比例风险模型，采用双重加权边际模型并建立渐近性质，应用于真实数据揭示了影响不同剂量续配风险的因素，为个性化疼痛管理提供参考。
2025-09-14 stat.AP stat.ME
Statistical Inference for Cox Proportional Hazards Models with a Diverging Number of Covariates
对于协变量个数不同的回归模型的统计推断，现有文献通常对费舍尔信息矩阵的逆矩阵作稀疏性假设。然而，在Cox比例风险模型下，这些假设经常被违反，导致覆盖范围不足的置信区间的有偏估计。我们提出了一种改进的去偏套索方法，它解决了一系列的二次规划问题来近似逆信息矩阵，而不构成稀疏矩阵的假设。当协变量的维数随样本量而异时，我们建立了估计回归系数的渐近结果。大量的模拟表明，我们提出的方法提供了相合估计和置信区间与标称覆盖概率。该方法的实用性通过评估遗传标记对波士顿肺癌生存队列患者总生存率的影响进一步证明，波士顿肺癌生存队列是一项调查肺癌潜在机制的大规模流行病学研究。
2021-06-06 stat.ME
Measuring Inaccuracies in the Proportional Hazard Rate Model based on Extropy using a Length-Biased Weighted Residual approach
本文提出基于Extropy的加权残差不精确性度量，研究其在比例风险率模型中的性质、判别准则与不等式，并给出非参数估计及模拟和实例验证。
2025-01-31 stat.ME
Weibull analysis with sequential order statistics under a power trend model for hazard rates
在工程系统中，通常假设元件的寿命是独立同分布的。但是，组件的故障会导致剩余组件的负载更高，从而导致幸存组件的分布发生变化。对于这类系统的建模，可以采用序贯顺序统计量（SOS）理论。假设元件寿命服从韦布尔分布，条件比例风险率模型是SOS理论的一种特殊情况，得到了不同情况下未知参数的最大似然估计.提出了一种新的模型PTCPHM，作为iid情形的推广，然后发展了PTCPHM下的统计推断方法，包括点估计、区间估计以及假设检验。最后，对Mann和Fertig（1973）提出的飞机部件失效时间的实际数据进行了分析，以说明本文所提出的模型和推理方法。
2019-12-17 math.ST stat.ME stat.TH
Cox's proportional hazards model with a high-dimensional and sparse regression parameter
本文讨论了D. R. Cox在一个高维和稀疏设置的回归参数。为了估计回归参数，应用Dantzig选择器。证明了模型的Dantzig选择器的变量选择一致性。这一性质使我们能够降低参数的维数，并构造回归参数和累积基线风险函数的渐近正态估计。
2017-10-28 math.ST stat.TH
The Bernstein--von Mises theorem for the proportional hazard model
本文研究了具有中性到右过程先验的比例风险模型在基线风险函数上的贝叶斯分析的大样本性质。我们证明了基线累积风险函数和回归系数的后验分布集中在最大似然估计是联合渐近等价的最大似然估计的抽样分布。
2006-11-08 math.ST 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
Orderings of the finite mixture with modified proportional hazard rate model
本文针对修正比例风险率有限混合模型，在链式优超和弱超优超条件下，建立了通常随机序、风险序、星序和洛伦兹序的充分条件，并用数值例子验证了结果。
2024-07-23 math.ST stat.TH
Proportional hazards models with continuous marks
对于具有许多竞争风险的事件发生时间数据，比例风险模型是将原因特异性结局与协变量联系起来的常用工具[Prentice et al. Biometrics 34（1978）541- 554]。本文研究了这种方法的扩展，以允许一个连续的竞争风险，其中失败的原因是由一个连续的标记只观察到在故障时间。我们开发的比例风险模型，其中回归参数依赖于非参数的标记和基线风险依赖于非参数的时间和标记的推断。这项工作的动机是需要评估艾滋病毒疫苗的有效性，同时考虑到试验参与者感染艾滋病毒与疫苗中所含艾滋病毒株的遗传差异，并调整协变量效应。标记特异性疫苗效力用标记特异性比例风险模型中的一个回归函数表示。新方法在模拟中进行了评估，并应用于第一次HIV疫苗有效性试验。
2009-03-03 math.ST stat.TH
IV estimation of causal hazard ratio
Cox比例风险模型是评价暴露与删失失效时间结果之间关联的最流行的统计模型之一。当未完全观察到混杂因素时，使用Cox模型估计的暴露风险比存在未测量的混杂偏倚。为了解决这一问题，我们提出了一种新的方法来识别和估计的因果风险比存在不可测量的混杂因素。我们的方法是基于一个二进制工具变量，和一个额外的无相互作用的假设，在第一阶段回归的治疗IV和未测量的混杂因素。我们建议，据我们所知，第一个相合估计量（人口）的因果风险比内的工具变量的框架。我们的估计的一个版本承认一个封闭形式的表示。我们导出了估计量的渐近分布，并给出了其渐近方差的相合估计量。我们的方法是通过模拟研究和数据应用程序说明。
2022-01-02 stat.ME
Testing proportional hazards for specified covariates
提出了关于特定协变量或协变量组的比例风险假设的检验。备选方案的类别很广：不同协变量值下的对数风险率可能交叉、接近、消失。数据可以被右删失。导出了检验统计量的极限分布。功率的测试对接近的替代品。实际数据的例子。
2020-01-16 math.PR math.ST stat.TH
The $l_q$ consistency of the Dantzig Selector for Cox's Proportional Hazards Model
D.R.考克斯是在一个高维和稀疏的设置进行研究。利用相容因子、弱锥可逆因子和确定性矩阵的约束特征值，证明了某些估计量的所有$q \geq 1$的$l_q$相合性，其中确定性矩阵逼近对数似然的黑塞矩阵.我们的矩阵条件，这三个因素是弱于以往的研究。
2016-05-13 math.PR math.ST stat.TH
Likelihood approach for marginal proportional hazards regression in the presence of dependent censoring
在许多公共卫生问题中，一个重要的目标是确定某些治疗/干预对整个人群失败风险的影响。边际比例风险回归模型经常被用来分析这种影响。当相依删失被许多辅助协变量解释时，我们利用两个工作模型来压缩高维协变量以实现降维。然后通过在筛空间上最大化一个伪似然函数得到处理效果的估计量。当两个工作模型中的任何一个是正确的时，这样的估计是一致的且渐近正态的;此外，当两个工作模型都是正确的时，其渐近方差与半参数效率界相同。
2005-05-27 math.ST stat.TH
Two-sample nonparametric test for proportional reversed hazards
在过去的几十年里，已经进行了一些工作的背景下，比例反向风险率（PRHR）。但是，在文献中没有任何具体的统计方法学的PRHR假设。本文提出了一种基于两个独立样本的双样本非参数检验来验证PRHR假设。基于U统计量的一致性，利用U统计量理论、刀切经验似然法和调整刀切经验似然法，发展了三种统计方法学。已经进行了模拟研究，以评估拟议的测试程序的优点。最后，将该测试应用于脑损伤相关生物标志物背景下的数据和Ducheme肌营养不良症相关数据。
2022-03-23 math.ST stat.ME stat.TH
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
FLEXI-Haz: Semiparametric Deep Survival Inference Beyond Proportional Hazards
Department of Statistics and Operations Research（统计与运筹学系）；Tel Aviv University（特拉维夫大学）
本文提出一种灵活的深度神经网络框架，用于部分线性回归结构下的生存数据建模，通过参数线性部分保持可解释性，非参数DNN部分捕捉复杂的时间-协变量交互，提出FLEXI-Haz模型，无需假设比例风险假设，并提供理论保证和生存函数的推断方法。
2026-10-21 cs.LG stat.ML
Proportional asymptotics of piecewise exponential proportional hazards models
本文研究了高维分段指数比例风险模型，利用凸高斯极小极大定理证明其最优岭惩罚对数似然依概率收敛于代理目标函数的鞍点，并分析了正则化对参数估计与预测误差的影响，为严格验证Cox半参数模型的启发式副本法结果奠定基础。
2025-01-31 cond-mat.dis-nn math.ST stat.TH
Robust Inference for Univariate Proportional Hazards Frailty Regression Models
本文考虑一类半参数回归模型，它是Cox [J. Roy.中央集权主义者Soc.Ser.B34（1972）187-220]右删失单变量失效时间模型。这些模型假设，给定协变量的风险和每个个体独有的随机脆弱性具有比例风险形式乘以脆弱性。假设脆弱性在已知的单参数分布族内具有平均值1。推断是基于非参数似然。一般情况下，拟合模型可能被误指定的似然最大化的行为进行了研究。联合估计的回归和脆弱性参数，以及基线风险是一致一致的伪值最大化的渐近极限的可能性。适当的标准化，估计弱收敛到高斯过程。当模型被正确指定时，该过程是半参数有效的，实现了所有参数分量的半参数信息界。它还证明了引导给有效的推断，所有参数，即使在误指定。我们证明了分析的重要性，在几个例子中的鲁棒推理。在随机临床试验中，当其他预后因素和虚弱分布都被错误指定时，治疗效果的有效检验是可能的。在协变量的某些条件下，回归参数的比值仍然是可识别的。该程序的实际效用说明了一个非霍奇金淋巴瘤数据集。
2004-10-05 math.ST stat.TH
Local partial likelihood estimation in proportional hazards regression
范、吉贝尔斯和金[安.统计学家. 25（1997）1661- 1690]考虑了比例风险模型中风险函数$ψ(x)$的估计。他们提出的估计是基于集成通过局部版本的偏似然估计的衍生函数。他们证明了导函数的大样本性质，但没有建立风险函数本身的估计量的大样本性质。在本文中，我们考虑直接估计的相对风险函数$ψ(x_2)-ψ(x_1)$的任何位置的归一化点$x_1$。在我们的方法中的主要新颖性是，我们选择观测收缩的邻域中的$x_1$和$x_2$时，构建局部版本的偏似然，而范，吉贝尔斯和国王[安。25（1997）1661- 1690]只集中在单个邻域上，导致局部似然函数中的风险函数被取消。我们的估计量的渐近性质是严格建立和估计量的方差是很容易估计。我们的方法背后的想法被扩展到估计组之间的差异。进行了仿真研究。
2007-08-16 math.ST stat.TH
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
Neural Frailty Machine: Beyond proportional hazard assumption in neural survival regressions
Ant Group（蚂蚁集团）；Fudan University（复旦大学）；Coupang（库潘）
本研究提出神经脆弱性机（NFM）框架，结合乘性脆弱性思想与神经网络处理生存回归的异质性和非线性依赖，推导出两种高效训练的模型，在理论上提供收敛速率保证，实验中在6个基准数据集上性能优于现有最优生存模型。
2023-10-04 cs.LG math.ST stat.TH
Higher criticism for rare and weak non-proportional hazard deviations in survival analysis
本文提出基于高阶批评的生存数据比较方法，对罕见且弱的非比例风险差异敏感，功效优于对数秩检验，并在理论框架下分析了渐近功效与相变特性。
2025-10-27 math.ST stat.ME stat.TH
Stochastic orders and shape properties for a new distorted proportional odds model
本文提出两个新的扭曲比例优势模型，通过分位数扭曲扩展对数逻辑斯蒂族，并利用随机序理论刻画其形状性质与危险率行为。
2025-03-10 math.ST stat.TH
A provable two-stage algorithm for penalized hazards regression
从优化器的角度来看，实现一般非凸问题的全局最优值通常是NP-难的，使用经典的最坏情况分析。在Cox比例风险模型的情况下，考虑到其统计模型的结构，我们确定了局部强凸附近的全局最优值，我们提出了使用两个凸计划来优化折叠凹惩罚Cox比例风险回归。在理论上，我们调查的统计和计算的权衡所提出的算法，并建立强预言性质的估计。数值研究和实际数据分析进一步支持了我们的算法和理论。
2021-07-06 math.ST stat.ME stat.TH
HSCI: Neyman-Orthogonal Causal Inference under High-Dimensional Proportional Hazards
University of Southern California（南加州大学）；The University of Tennessee Knoxville（田纳西大学诺克斯维尔分校）；California State University Fullerton（加州州立大学富勒顿分校）
针对生存研究中高维协变量混杂下的处理效应推断问题，提出基于Neyman近正交得分的高维生存因果推断框架，实现根n渐近正态性和一致方差估计，显著降低偏差。
2026-06-15 math.ST stat.ME stat.TH
Optimality of testing procedures for survival data
大多数用于生存结局随机临床试验的治疗效果的统计检验是基于比例风险假设，这在实践中往往失败。来自早期探索性研究的数据可能提供非比例风险的证据，这可以指导实践改变验证性试验设计中替代检验的选择。我们研究了一个测试，以检测治疗效果的后期试验，占早期数据所建议的比例风险的偏差。有条件的早期阶段的数据，在所有的测试中，控制在一个固定的$α$水平的频率论I型差错率，我们的测试程序最大限度地提高贝叶斯预测的有限样本功率。因此，所提出的检验为存在非比例风险时常用的其他检验提供了有用的基准，例如加权对数秩检验。我们在一个基于已发表的癌症免疫治疗III期试验数据的模拟中说明了这种方法。
2020-05-27 math.ST stat.ME stat.TH
Regularization for Cox's proportional hazards model with NP-dimensionality
每个样品具有数千个测量值的高通量基因测序阵列和大量相关的删失临床数据增加了对更好的测量特异性模型选择的苛刻需求。本文在Cox比例风险模型的框架下，建立了非多项式（NP）维删失数据的非凹惩罚方法的强预言性质。采用了一类折叠凹罚函数，并对LASSO和SCAD进行了详细讨论。我们揭示了在哪些维度和相关性限制下可以构建和掌握Oracle估计量的问题。结果表明，非凹罚导致显着减少的“不可表示的条件”所需的LASSO模型选择的一致性。推广了自带利息鞅的大偏差结果，刻画了强预言性。此外，非凹正则化估计，渐近实现的信息界的预言估计。一个坐标明智的算法，发现惩罚风险回归问题的解决方案路径的网格，其性能进行评估模拟和基因关联研究的例子。
2012-05-25 math.ST stat.ME stat.ML
Privacy enhanced collaborative inference in the Cox proportional hazards model for distributed data
针对多中心分布式生存分析中的数据共享与隐私泄露问题，提出仅交换低维汇总统计量的协作式 Cox 比例风险模型，并用理论、模拟和 OPTN 肾移植数据验证其近集中式性能。
2024-09-07 math.ST stat.AP stat.TH
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
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
BigSurvSGD: Big Survival Data Analysis via Stochastic Gradient Descent
在许多生物医学应用中，结果被衡量为“事件发生时间”（例如，疾病进展或死亡）。为了评估患者特征与该结果之间的联系，通常假设比例风险模型，并拟合比例风险回归（或Cox回归）。为了拟合该模型，将称为"部分似然“的对数凹目标函数最大化。对于中等大小的数据集，可以采用利用目标结构的有效Newton-Raphson算法。然而，在大型数据集中，这种方法有两个问题：1）利用结构的计算技巧也可能导致计算不稳定; 2）目标不会自然解耦：因此，如果数据集不适合内存，则模型可能在计算上非常昂贵。这另外意味着目标不直接服从于基于随机梯度的最优化方法。为了克服这些问题，我们提出了一个简单的，新的框架比例风险回归：这导致一个目标函数，是服从随机梯度下降。我们表明，这种简单的修改使我们能够有效地适应生存模型与非常大的数据集。这也有助于训练复杂，例如。基于神经网络的模型和生存数据。
2020-08-10 math.ST stat.TH
Analysis of odds, probability, and hazard ratios: From 2 by 2 tables to two-sample survival data
2 × 2表格和双样本生存数据的分析已被广泛使用。精确计算是计算困难的条件似然推断的优势比模型中的大边缘在2 × 2表，或部分似然推断的Cox比例风险模型与相当大的捆绑事件时间。近似方法经常被采用，但它们的统计特性还没有被正式研究，同时考虑到所涉及的近似。我们开发新的方法和理论，通过构建合适的估计函数，同时利用知识的条件或部分似然推断。我们提出了一个加权Mantel-Haenszel估计的优势比模型，如Cox的离散时间比例风险模型。此外，我们考虑一个概率比模型，并推导出作为一个相合估计量的Breslow-Peto估计，它已被认为是一个近似的部分似然估计的优势比模型。我们研究了基于模型和模型鲁棒方差估计。对于Breslow-Peto估计，我们的新的基于模型的方差估计不大于通常报道的方差估计。我们提出的数值研究支持的理论研究结果。
2019-11-25 math.ST stat.ME stat.TH
On the Study of Weighted Fractional Cumulative Residual Inaccuracy and its Dynamical Version with Applications
Rajiv Gandhi Institute of Petroleum Technology（拉吉夫·甘地石油技术研究所）
本文提出加权分数累积残余不准确性度量，研究其在混合危险模型和比例危险率模型下的行为，并通过模拟和实际数据验证其在表征混沌动力学中的应用。
2026-02-23 math.ST stat.TH
Permutation inference in factorial survival designs with the CASANOVA
我们提出了一般的非参数析因生存设计的推断程序可能右删失数据。与Aalen模型类似，零假设是根据累积风险制定的。因此，偏差是衡量在纳尔逊-阿伦型积分的二次形式。与现有方法不同，这允许在没有限制性模型假设的情况下工作，如比例风险。特别地，可以在没有显著功率损失的情况下检测到交叉生存或危险曲线。对于该方法的分布自由的应用，置换策略的建议。证明了所得到的方法的渐进有效性及其一致性，并在广泛的模拟中分析了它们的小样本性能。最后通过分析一个肿瘤学数据集说明了它们的适用性。
2020-06-24 math.ST stat.ME stat.TH
