基于伪值随机森林的受限均值生存时间建模

受限均值生存时间 (RMST) 已成为纵向研究中总结事件时间的流行度量。其定义为时间范围 $[\tau, \tau] > 0$ 内生存函数下的面积，可解释为区间 $[0, \tau]$ 内的预期寿命。除了直观的解释外，RMST 还允许为医学研究中治疗对比的因果分析定义有效的估计量。本文引入一种非参数方法，用于在基线变量（包括治疗变量和混杂因子）条件下建模 RMST。该方法基于直接建模 RMST，使用留一法 jackknife 伪值置于随机森林回归框架中。如此一来，可用于获取患者特定的 RMST 值和混杂因子调整后的治疗对比的精确估计。由于本方法（称为“伪值随机森林”，PVRF）是模型无关的，RMST 估计不受比例风险假设等限制性假设的影响。特别是，PVRF 在从高维数据中检测相关协变量效应方面具有高度灵活性，从而拓展了现有伪值建模技术在 RMST 估计中的应用范围。我们通过仿真研究并以 SUCCESS-A 乳腺癌试验数据为例说明了该方法的实际应用。我们的numerical实验表明，PVRF 能准确估计患者特定的 RMST 值以及 RMST 基于的治疗对比。