针对时间至事件结局的特征选择是否应使用单变量 Cox 回归？
统计方法学
2022-08-23 v1
摘要
重要性：时间至事件结局常用于临床试验和生物标志物发现研究，主要使用 Cox 比例风险模型进行分析。但当时间至事件结局为主要关注点时，尚不清楚应推荐哪种统计模型用于特征选择任务。目的：探究对数变换生存时间的 Gaussian 回归是否在特征选择上优于 Cox 比例风险模型。设计：本模拟研究中，真实模型为含 10 个协变量的多变量 Cox 比例风险模型。所有特征选择比较均假设在模型拟合中仅观测/测量到 10 个真实特征中的 5 个，以及 5 个随机噪声特征。每种样本量与删失率情景均使用 10,000 个模拟数据集进行探索。对同一数据集应用不同统计模型以估计特征效应。使用效应量排序的敏感性、特异性和准确性比较模型性能。结果：当特征独立且真实模型为多变量 Cox 比例风险模型时，仅含两个协变量的对数变换生存时间（响应变量）Gaussian 回归在特征选择上优于单变量 Cox 比例风险模型和 logistic 回归，不仅敏感性更高、特异性相当，且效应量排序准确性更高，与样本量和删失率取值无关。结论与相关意义：本研究证明了在时间至事件结局的特征选择实践中纳入对数变换生存时间 Gaussian 回归的重要性。
引用
@article{arxiv.2208.09689,
title = {Should univariate Cox regression be used for feature selection with respect to time-to-event outcomes?},
author = {Rong Lu},
journal= {arXiv preprint arXiv:2208.09689},
year = {2022}
}