在生存分析中使用基于地理定位的公共卫生特征
机器学习
2024-07-23 v1 应用统计
摘要
直至感兴趣事件发生所经过的时间通常使用生存分析方法建模，该方法基于输入特征估计生存分数。利用神经网络等现代工具开发更精准的个性化医疗中事件时间预测模型正重新引起关注。更高质量的特征和更频繁的观测可改善患者预测，然而，纳入患者基于地理定位的公共卫生统计对个体预测的影响尚未被研究。本文提出一种通过将在输入特征中纳入公共卫生统计来补充改进生存分析模型的方法。我们表明，在包含全国癌症发病数据的监测、流行病学与最终结果（SEER）数据集上评估，纳入基于地理定位的公共卫生信息使一致性指数取得统计显著的提升。该提升在标准 Cox 比例风险模型和前沿的 Deep Survival Machines 模型中均成立。我们的结果表明了基于地理定位的公共卫生特征在生存分析中的效用。
引用
@article{arxiv.2304.07679,
title = {Using Geographic Location-based Public Health Features in Survival Analysis},
author = {Navid Seidi and Ardhendu Tripathy and Sajal K. Das},
journal= {arXiv preprint arXiv:2304.07679},
year = {2024}
}