用于经验贝叶斯 Cox 模型下疾病进展分析的 R 包 $\texttt{ebmstate}$
统计计算
2022-01-21 v1 统计方法学
摘要
软件包 与 包配合使用，不仅在 R 中提供了一个成熟的多状态生存分析框架，而且是最完整的框架之一，因为它包含了在时钟前进（clock-forward）和时钟重置（clock-reset）模型下相对转移风险、累积转移风险和状态占有概率的点估计与区间估计；通过使用 拟合 Cox 回归模型，也可以获得个性化估计，即针对具有特定协变量测量值的个体的估计。我们在本文中介绍的新 R 包 是 的扩展，据我们所知，它是第一个适用于高维数据且在上述意义上完整的多状态模型估计 R 包。它对 的扩展体现在三个方面：它将 Cox 模型转化为正则化的经验贝叶斯模型，在高维数据下表现显著更优；它用非参数自助置信区间替代了面向低维情形的渐近置信区间；并且它引入了一种基于傅里叶变换的状态占有概率解析估计量，用于时钟重置模型，其速度远快于 中相应的基于仿真的估计量。本文包含一份详细教程，介绍如何使用我们的包来估计转移风险和状态占有概率，以及一项仿真研究，展示它如何提升 的性能。
引用
@article{arxiv.2201.07796,
title = {The R package $\texttt{ebmstate}$ for disease progression analysis under empirical Bayes Cox models},
author = {Rui J. Costa and Moritz Gerstung},
journal= {arXiv preprint arXiv:2201.07796},
year = {2022}
}