基于 Cox 回归的去随机化 Knockoffs 实现确认型生物标志物识别的 k-FWER 控制
计算与语言
2025-04-08 v1
摘要
在高维生存分析中筛选重要特征对于识别确认型生物标志物,同时保持严格的误差控制至关重要。本文提出一种针对 Cox 回归的去随机化 knockoffs 过程,在保持对 k-族错误率(k-FWER)严格控制的同时,增强了特征选择的稳定性。通过对多次随机化 knockoff 实现的聚合,我们的方法缓解了传统 knockoffs 中常见的稳定性不足问题。大量模拟实验表明,我们的方法在选择功效与误差控制两方面均稳定优于标准 knockoffs。此外,我们将该过程应用于原发性胆汁性肝硬化(PBC)的临床数据集,以识别与患者生存相关的关键预后生物标志物。结果证实了去随机化 knockoffs 方法的优越稳定性,从而能够更可靠地识别重要的临床变量。另外,我们的方法同样适用于同时包含连续型与分类型协变量的数据集,拓宽了其在现实生物医学研究中的实用性。该框架为高维生存分析提供了一种稳健且可解释的解决方案,特别适用于需要精确且稳定变量选择的应用场景。
引用
@article{arxiv.2504.03906,
title = {CliME: Evaluating Multimodal Climate Discourse on Social Media and the Climate Alignment Quotient (CAQ)},
author = {Abhilekh Borah and Hasnat Md Abdullah and Kangda Wei and Ruihong Huang},
journal= {arXiv preprint arXiv:2504.03906},
year = {2025}
}
备注
16 pages, 9 figures