Cox-Polya-Gamma算法：用于多层生存模型灵活贝叶斯推断
统计方法学
2024-11-26 v2
摘要
贝叶斯Cox半参数回归是许多临床环境中的一个重要问题。如果MCMC算法和后验表现良好，贝叶斯方法能提供有限样本推断并自然地整合先验信息。生存分析还应能够以直接的方式纳入多层建模，例如案例权重、脆弱性和光滑样条。为了应对这些建模挑战，我们提出了用于贝叶斯多层Cox半参数回归和生存函数的Cox-Polya-Gamma（Cox-PG）算法。我们的新颖计算过程简洁地解决了非参数基线累积危险函数的多层回归中单调性约束建模的难题。我们开发了两个关键策略。首先，我们利用Cox模型与负二项过程之间通过泊松过程的近似，将贝叶斯计算简化为迭代高斯采样。其次，我们借助充分降维来处理非参数基线累积危险函数的困难计算，从而允许在吉布斯采样器中基于贝塔充分统计量折叠马尔可夫转移。此外，我们探索了Cox-PG算法均匀遍历性的条件。我们使用开源数据和模拟展示了我们的多层建模方法。我们在补充材料中提供了贝叶斯过程的软件。
引用
@article{arxiv.2402.15060,
title = {The Cox-Polya-Gamma Algorithm for Flexible Bayesian Inference of Multilevel Survival Models},
author = {Benny Ren and Jeffrey Morris and Ian Barnett},
journal= {arXiv preprint arXiv:2402.15060},
year = {2024}
}