利用专家意见指导生存模型的外推

在基于事件时间数据的决策建模中，存在多种可用于外推生存函数的参数模型。每一种都隐含不同的风险函数，在存在中度删失的情况下，它们可能导致相当不同的外推结果。关于长期生存或其他量的专家意见可减少模型不确定性。我们提出一种通用且易于实现的方法来纳入各类专家意见。专家意见通过惩罚似然函数的方式被纳入。推断在贝叶斯框架下进行，然而该方法也可使用频率学派方法实现。专家意见聚合（ pooling）的问题亦被考虑并纳入分析。我们针对已发表的方法验证了本方法，并给出了一个应用示例。本工作表明，利用该方法可以直截了当地实现专家意见，但就这些量的正确获取而言仍需更多工作。