用于异质时间依赖右删失数据的有限混合 Cox 模型
统计方法学
2025-04-15 v1 统计计算
摘要
本研究针对异质患者人群中的生存分析问题进行了探讨，传统上依赖单一回归模型（如比例风险 Cox 模型）往往难以满足需求。认识到这类人群常常存在不同的协变量效应，导致形成不同的子群，故我们认为为每个子群分别使用回归模型以避免统一模型固有的偏差和不准确，是必要的。为解决子群识别和生存分析中组件选择的问题，我们提出了一种新方法，将 Cox 比例风险模型与动态惩罚函数相结合，具体包括平滑截断绝值偏差（SCAD）和最小凹凸罚（MCP）。这些修改提供了一种更灵活且理论更可靠的方法，用于确定混合组件的最优数量，这在准确建模异质数据集方面至关重要。通过修改的期望最大化（EM）算法进行参数估计和组件选择，并通过仿真研究和两个实际数据分析，我们的方法在风险预测精度方面表现出改进。
引用
@article{arxiv.2504.08908,
title = {Finite Mixture Cox Model for Heterogeneous Time-dependent Right-Censored Data},
author = {Ahmad Talafha},
journal= {arXiv preprint arXiv:2504.08908},
year = {2025}
}