基于区间删失生存数据协变量选择的正则化多状态模型
统计方法学
2025-08-25 v1 应用统计
摘要
在基于人群的队列中，疾病诊断通常由定期随访访问时的区间所 censored。因此确切的疾病发病时间是未知的，并且在存在死亡这一半竞争风险的条件下，受试者可能在任何诊断做出之前就在两次访问之间死亡。疾病-死亡模型可用于处理疾病时机的不确定性以及因死亡而导致诊断缺失的问题。然而，它们在协变量数量上一直受到限制。我们为区间删失疾病诊断的疾病-死亡模型开发了一种正则化估计程序，在高维预测变量的情况下执行变量选择。我们考虑了一种最大化带弹性网络惩罚的正则化似然的近端梯度混合算法。该算法同时估计三个转变的回归参数，在比例转变强度下使用通过外层网格搜索确定的转变特定惩罚参数。该算法实现在R包HIDeM中，在预测疾病概率方面表现出高性能，并在不同模拟场景中正确选择了转变特定的风险因素。相比之下，忽略区间删失的原因特异性竞争风险模型系统性地表现出较差的预测能力，并倾向于选择原本与死亡相关的无关疾病预测因子。应用于基于人群的Three-City队列时，该方法在大量脑成像、认知和临床标志物中识别了临床痴呆发病的预测因子。关键词：区间删失；多状态模型；半竞争风险；生存分析；变量选择。
引用
@article{arxiv.2508.16256,
title = {A regularized multi-state model for covariate selection with interval-censored survival data},
author = {Ariane Bercu and Agathe Guilloux and Cécile Proust-Lima and Hélène Jacqmin-Gadda},
journal= {arXiv preprint arXiv:2508.16256},
year = {2025}
}