因子设计中针对非比例风险的多种核检验过程
统计方法学
2022-06-16 v1 机器学习
摘要
本文提出一种多种核检验过程，用于在多个因子（例如不同治疗组、性别、病史）及其交互同时受关注时推断生存数据。我们的方法能够处理复杂数据，并且当比例性等比假设无法证实时，可视为无处不在的 Cox 模型的替代方案。我们的方法结合了来自生存分析、机器学习和多重检验的知名概念：不同加权 log-rank 检验、核方法与多重对比检验。由此，可以检测到超出经典比例风险设定的复杂风险替代假设。此外，通过充分利用单一检验过程的依赖结构来进行多重比较，以避免功效损失。总之，这导致了一个灵活且有力的因子生存设计过程，其理论有效性由鞅论证和 -统计量的理论证明。我们在广泛的模拟研究中评估了方法的性能，并通过真实数据分析加以说明。
引用
@article{arxiv.2206.07239,
title = {A Multiple kernel testing procedure for non-proportional hazards in factorial designs},
author = {Marc Ditzhaus and Tamara Fernández and Nicolás Rivera},
journal= {arXiv preprint arXiv:2206.07239},
year = {2022}
}