基于递归剥离方法的生存隆起搜寻中的交叉验证与剥离策略
统计方法学
2015-11-24 v8
摘要
我们引入一个框架，用于构建具有删失事件发生时间响应的生存/风险隆起搜寻模型。我们的生存隆起搜寻（SBH）方法基于递归剥离过程，该过程使用源自非参数/半参数统计（如风险比、log-rank 检验或 Nelson-Aalen 估计量）的特定生存剥离准则。为优化模型的调优参数并对其进行验证，我们引入了一个基于生存或预测误差统计（如 log-rank 检验和一致性错误率）的目标函数。我们还描述了两种适用于递归剥离决策规则制定与生存估计联合任务的交叉验证替代技术。数值分析显示了重复交叉验证的重要性，以及准则和技术在低维与高维环境下的差异。尽管存在若干非参数生存模型，但无一解决直接识别局部极值的问题。我们展示了 SBH 如何高效地估计极端生存/风险子群，不同于其他模型。这为常用模型的行为提供了见解，并提出了实践中可采用的替代方案。最后，我们的 SBH 框架被应用于一个临床数据集。其中，我们识别出具有显著极端生存结局的、由临床和人口统计学协变量表征的患者子集，可对其采取量身定制的医疗干预。R 包 `PRIMsrc` 可在 CRAN 和 GitHub 上获取。
引用
@article{arxiv.1501.03856,
title = {Cross-validation and Peeling Strategies for Survival Bump Hunting using Recursive Peeling Methods},
author = {Jean-Eudes Dazard and Michael Choe and Michael LeBlanc and J. Sunil Rao},
journal= {arXiv preprint arXiv:1501.03856},
year = {2015}
}
备注
Keywords: Exploratory Survival/Risk Analysis, Survival/Risk Estimation & Prediction, Non-Parametric Method, Cross-Validation, Bump Hunting, Rule-Induction Method