联邦设置下基于伪观测的事件时间建模

在多中心临床研究中，隐私法规通常禁止汇总个体层面记录，使得事件时间数据的分析复杂化。当前的联邦生存分析方法通常需要迭代通信，或严格依赖比例风险（PH）假设，或需要敏感的生存信息。我们提出了一种单次联邦框架，使用由序贯更新的 Kaplan-Meier 估计量导出的伪观测，并通过可更新的广义估计方程进行拟合。与传统方法不同，我们的方法允许针对目标估计量定制灵活的链接函数，并适应非比例风险。为了解决中心层面的异质性，我们引入了逐协变量去偏程序，将噪声驱动的局部偏差收缩至全局估计，同时保留真实的中心特异性效应。模拟研究表明，我们的框架在 PH 假设下实现了与汇总 Cox 回归和隐私保护的单次分布式算法拟合多中心 Cox 比例风险模型（ODAC）相当的推断精度，同时在 PH 违背时恢复时变系数轨迹。此外，模拟证实去偏程序优化了偏差-方差权衡，自适应地平衡全局稳定性与真实中心特异性偏差的保留。应用于芝加哥地区以患者为中心的结果研究网络（CAPriCORN）的儿童肥胖数据（$N=45,865$）时，该模型产生了稳健的时不变和时变风险比估计，为协作生存研究提供了一种灵活、保护隐私的替代方案。