面向相关生存数据的快速变分贝叶斯推断：针对肺部机械通气时长分析的应用
统计方法学
2024-08-02 v1
摘要
相关生存数据在 various 临床场景中广泛存在且已在文献中得到广泛讨论。最常见的相关生存数据类型之一是聚类生存数据，其中来自同一聚类中个体的生存时间彼此相关。我们的研究灵感来自来自安大略省加拿大不同 ICU 的侵入性机械通气数据，形成多个聚类。ICU 中患者的生存时间呈相关性。为解决这种关联问题，我们引入一种共享不确定性 log-logistic 加速失效时间模型，通过聚类特有的随机截距来考虑类内相关性。我们提出一种新型快速变分贝叶斯（VB）算法用于参数推断，并通过不同的聚类数量和大小进行仿真研究进行评估。我们进一步将所提出的 VB 算法与 h-似然方法以及马尔可夫链蒙特卡洛（MCMC）算法进行比较。该算法表现令人满意，显示出相对于 MCMC 算法的计算效率。我们将该方法应用于安大略省的 ICU 通气数据，以探讨 ICU 位置随机效应对通气时长的影响。
引用
@article{arxiv.2408.00177,
title = {Fast variational Bayesian inference for correlated survival data: an application to invasive mechanical ventilation duration analysis},
author = {Chengqian Xian and Camila P. E. de Souza and Wenqing He and Felipe F. Rodrigues and Renfang Tian},
journal= {arXiv preprint arXiv:2408.00177},
year = {2024}
}