利用生存树集成由中间事件触发的动态风险预测
应用统计
2022-08-29 v2
摘要
随着电子健康记录和登记数据库海量数据的可用，整合时变患者信息以改进风险预测已引起极大关注。为利用随时间增长的预测变量信息，我们开发了使用生存树集成的界标预测统一框架，其中可在新信息可用时执行更新预测。与具有固定界标时间的传统界标预测相比，我们的方法允许界标时间具有受试者特异性并由中间临床事件触发。此外，非参数方法规避了不同界标时间下模型不兼容的棘手问题。在我们的框架中，纵向预测变量和事件时间结局均服从右删失，因此现有的基于树的方法无法直接应用。为应对分析挑战，我们通过平均来自单棵树的鞅估计方程提出基于风险集的集成过程。我们进行了广泛的模拟研究以评估方法的性能。这些方法被应用于囊性纤维化患者登记（CFFPR）数据，对囊性纤维化患者的肺部疾病进行动态预测并识别重要预后因素。
引用
@article{arxiv.2011.07175,
title = {Dynamic Risk Prediction Triggered by Intermediate Events Using Survival Tree Ensembles},
author = {Yifei Sun and Sy Han Chiou and Colin O. Wu and Meghan McGarry and Chiung-Yu Huang},
journal= {arXiv preprint arXiv:2011.07175},
year = {2022}
}