关于在随机生存森林中使用Harrell's C进行临床风险预测
机器学习
2016-07-20 v2
摘要
随机生存森林（RSF）是生物医学研究中用于右删失结局风险预测的一种强大方法。RSF使用对数秩分裂准则来构建生存树的集成。评估RSF模型预测准确性最常用的方法是生存数据的Harrell一致性指数（'C指数'）。从概念上讲，这种策略意味着RSF中的分裂准则与所关注的评估准则不同。通过将Harrell's C同时用于节点分裂和评估，可以克服这种差异。我们通过分析和模拟研究，比较了两种分裂准则在偏好更不平衡分裂（称为末端切割偏好，ECP）方面的差异。具体而言，我们证明了对数秩统计量相比于C指数具有更强的ECP。在模拟研究中，并借助两个医学数据集，我们证明，如果在对数秩统计量被C指数替代用于节点分裂，则通过Harrell's C衡量的RSF预测准确性可以得到提高。这在删失率或信息性连续预测变量的比例较高的情况下尤其如此。相反，在噪声场景下，对数秩分裂更优。基于C的分裂和对数秩分裂均在R包ranger中实现。我们推荐Harrell's C作为分裂准则用于较小规模的临床研究，而对数秩分裂准则用于大规模的'组学'研究。
引用
@article{arxiv.1507.03092,
title = {On the use of Harrell's C for clinical risk prediction via random survival forests},
author = {Matthias Schmid and Marvin Wright and Andreas Ziegler},
journal= {arXiv preprint arXiv:1507.03092},
year = {2016}
}