使用SBART分析具有未观测协变量的空间聚类生存数据
统计方法学
2024-11-12 v1 应用统计
摘要
当协变量和风险函数中其交互作用的适当函数形式未知，且随机聚类效应和聚类水平协变量具有空间相关性时，传统的参数和半参数回归方法不适用于具有大量聚类的生存研究。我们提出了一种在贝叶斯集成学习范式下针对此类研究的通用非参数方法——软贝叶斯加性回归树(SBART)。我们的方法学和计算挑战包括大量聚类、可变的聚类大小，以及使用与主要生存研究不同的数据注册表对不可观测的聚类水平协变量进行适当的统计增强。我们采用一种基于潜变量的创新三步方法来解决计算挑战。我们通过评估干预对一些县级和患者水平协变量的影响来说明我们的方法及其相对于现有方法的优势，以缓解佛罗里达州67个县(聚类)中乳腺癌生存存在的现有种族差异。佛罗里达州癌症登记处(FCR)用于获取具有患者水平协变量的聚类生存数据，行为风险因素监测调查(BRFSS)用于获取关于不可观测的县级协变量——筛查乳腺摄影利用率(SMU)的进一步数据信息。
引用
@article{arxiv.2411.06591,
title = {Analysis of spatially clustered survival data with unobserved covariates using SBART},
author = {Durbadal Ghosh and Debajyoti Sinha and Antonio R. Linero and George Rust},
journal= {arXiv preprint arXiv:2411.06591},
year = {2024}
}