多个预测因子与生存结局之间最大关联的高效估计

本文提出了一种针对生存结局高维预测因子筛选的后选择推断新方法。右删失结局数据的后选择推断已在文献中被研究,但要使这些方法在高维下既可靠又可计算扩展,仍有大量工作待完成。机器学习工具常用于提供生存结局的{\it 预测},但除非考虑选择过程,否则所选预测因子的估计效应会受确认偏倚影响。新方法构建了预测因子与生存结局之间线性关联的半参数高效估计量,并用以构造检验统计量,以检测任一预测因子与结局间是否存在关联。此外,一种类似 bagging 的稳定化技术使得所得检验统计量可获得正态校准,从而能够构造预测因子与结局最大关联的置信区间,并大幅降低计算成本。理论结果表明,即使预测因子数量随样本量超多项式增长,该检验过程仍然有效;我们的模拟也支持这一渐近保证在中等样本量下能反映检验表现。新方法被应用于识别与抗病毒药物效价相关的病毒基因表达模式问题。