生存分析再思考：理解和统一Poison、Exponential与Cox模型在跌倒风险分析中的关系
机器学习
2025-01-07 v1 人工智能
摘要
本文探讨了生存分析的基础和应用方面，使用跌倒风险评估为案例研究。我们重访了包括逻辑回归、Poison回归、Exponential回归和Cox比例风险模型在内的关键时间相关概率分布和统计方法，提供了在生存分析框架内的统一视角。本工作的一个贡献是逐步推导和澄清这些模型之间的关系，特别是表明在生存语境下的Poison回归是Cox模型的特定情况。这些见解弥补了理解和强化生存模型简单性和可解释性之间的空白。本文还强调了生存分析的实际用途，通过将理论见解与实际应用相结合。就跌中检测而言，本文演示了这些模型如何在单个简化框架内同时预测跌倒风险、分析影响因素以及估计时间-事件结果。相比之下，高级深度学习方法往往需要复杂的事后解释和针对不同任务的独立训练，尤其是在处理结构化数值数据时。这凸显了经典统计框架的持久相关性，使生存模型在医疗保健领域尤为宝贵，在该领域解释性和鲁棒性至关重要。通过统一基础概念并提供对时间-事件分析的整体视角，本工作为理解生存模型并有效应用于多样化分析挑战提供了易于访问的资源。
引用
@article{arxiv.2501.03058,
title = {Survival Analysis Revisited: Understanding and Unifying Poisson, Exponential, and Cox Models in Fall Risk Analysis},
author = {Tianhua Chen},
journal= {arXiv preprint arXiv:2501.03058},
year = {2025}
}