BoXHED：带有动态协变量的提升精确风险估计器
机器学习
2020-12-07 v2 机器学习
摘要
医疗监测设备的普及使得以高频追踪健康生命体征成为可能，从而能够开发随底层读数变化的动态健康风险评分。生存分析，特别是风险估计，非常适合分析这一数据流，以预测作为时变生命体征函数的疾病发作。本文介绍了软件包 BoXHED（读作“box-head”），用于通过梯度提升非参数地估计风险函数。BoXHED 1.0 是 Lee、Chen、Ishwaran（2017）所提出通用估计器的一种新颖的基于树的实现，该估计器旨在以完全非参数的方式处理时间依赖协变量。BoXHED 也是 Lee、Chen、Ishwaran（2017）的第一个公开可用软件实现。将 BoXHED 应用于来自弗明汉心脏研究的心血管疾病发作数据，揭示了已知风险因素之间新颖的交互效应，有可能解决临床文献中的一个开放问题。
引用
@article{arxiv.2006.14218,
title = {BoXHED: Boosted eXact Hazard Estimator with Dynamic covariates},
author = {Xiaochen Wang and Arash Pakbin and Bobak J. Mortazavi and Hongyu Zhao and Donald K. K. Lee},
journal= {arXiv preprint arXiv:2006.14218},
year = {2020}
}
备注
10 pages, 3 figures, 5 tables