基于 Kullback-Leibler 的离散失效时间模型用于已发表预测模型与新时间-事件数据集的整合
统计方法学
2022-08-01 v2
摘要
时间-事件数据的预测常受限于事件率稀有、样本量小、高维数与低信噪比。引入来自大规模研究的已发表预测模型有望改善内部个体层面时间-事件数据的预后预测性能。然而，现有整合方法通常假定外部与内部数据源的潜在分布相似，而这往往不成立。为应对异质性、数据共享与隐私限制等挑战，我们提出一种离散失效时间建模流程，其利用基于离散风险的 Kullback-Leibler 判别信息来衡量已发表模型与内部数据集间的不一致。模拟显示相较仅基于内部数据或已发表模型的方法，所提方法具优势。我们将该方法应用于通过把某地方医院小规模肾脏移植数据集与从国家移植登记处获得的已发表生存模型相整合，来改善其上的预测性能。
引用
@article{arxiv.2101.02354,
title = {Kullback-Leibler-Based Discrete Failure Time Models for Integration of Published Prediction Models with New Time-To-Event Dataset},
author = {Di Wang and Wen Ye and Randall Sung and Hui Jiang and Jeremy M. G. Taylor and Lisa Ly and Kevin He},
journal= {arXiv preprint arXiv:2101.02354},
year = {2022}
}