具有时变协变量的生存函数估计集成方法
应用统计
2022-06-06 v7 统计方法学
机器学习
摘要
具有时变协变量的生存数据在实践中很常见。若相关，它们可改进生存函数的估计。然而，传统的生存森林——条件推断森林、相对风险森林和随机生存森林——仅考虑了时不变协变量。我们将条件推断森林和相对风险森林推广以允许时变协变量。我们还提出了在存在时变协变量时估计生存函数的一般框架。我们通过全面的模拟研究将其性能与 Cox 模型和此处经调整以容纳时变协变量的变换森林进行比较，其中 Kaplan-Meier 估计作为基准，并使用真实与估计生存函数之间的积分 L2 差异来比较性能。总体而言，所提出的两种森林的性能较 Kaplan-Meier 估计有实质性提升。综合考虑所有其他因素，在比例风险（PH）设定下，最佳方法总是两种所提森林之一，而在非 PH 设定下，则为经调整的变换森林。K 折交叉验证被用作实践中在这些方法间选择的有效工具。
引用
@article{arxiv.2006.00567,
title = {Ensemble methods for survival function estimation with time-varying covariates},
author = {Weichi Yao and Halina Frydman and Denis Larocque and Jeffrey S. Simonoff},
journal= {arXiv preprint arXiv:2006.00567},
year = {2022}
}