何时鼓励在具有时间-事件结局的特征选择任务中使用高斯回归
统计方法学
2022-10-17 v2
摘要
重要性：针对时间-事件结局的特征选择是临床试验与生物标志物发现研究中的基本问题之一。但当样本量较小或某些关键协变量未被测量时，应使用何种统计方法尚不清楚。设计：在本模拟研究中，真实模型为含 10 个协变量的多元 Cox 比例风险模型。假设在所有的模型拟合中仅观测/测量到 10 个真实特征中的 5 个，以及 5 个随机噪声特征。每个样本量情景均使用 10,000 个模拟数据集进行探索。对每个数据集应用八种回归模型来估计特征效应，包括正则化高斯回归（弹性网络惩罚）与正则化 Cox 回归（glmnet Cox）。结果：若协变量为高度相关的高斯变量，当事件总数 <500 时，仅含两个协变量的对数变换生存时间的高斯回归优于所有受测的 Cox 回归模型。
引用
@article{arxiv.2210.04409,
title = {When to encourage using Gaussian regression for feature selection tasks with time-to-event outcome},
author = {Rong Lu},
journal= {arXiv preprint arXiv:2210.04409},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2208.09689