具有空间变化系数的Cox回归模型的贝叶斯变量选择及其在路易斯安那呼吸癌症数据中的应用
应用统计
2021-07-30 v2
摘要
Cox回归模型是生存分析中常用的模型。在公共卫生研究中，临床数据通常收集自不同地点的医疗服务提供者。从特定疾病生存率的协变量效应来看，存在较大的地理差异。本文我们关注具有空间变化系数的Cox回归模型的变量选择问题。我们提出一个贝叶斯分层模型，其结合了用于稀疏性的horseshoe先验以及用于判定回归系数是否空间变化的质点混合先验。一种高效的两阶段计算方法被用于后验推断与变量选择。它本质上先独立地按站点应用现有方法最大化Cox模型的部分似然，然后基于第一阶段结果应用MCMC算法进行变量选择。我们进行了广泛的模拟研究以检验所提方法的经验表现。最后，我们将所提方法学应用于分析来自SEER项目的路易斯安那呼吸癌症真实数据集。
引用
@article{arxiv.2008.00615,
title = {Bayesian Variable Selection for Cox Regression Model with Spatially Varying Coefficients with Applications to Louisiana Respiratory Cancer Data},
author = {Jinjian Mu and Qingyang Liu and Lynn Kuo and Guanyu Hu},
journal= {arXiv preprint arXiv:2008.00615},
year = {2021}
}