×
哈，我知道;李，Youngjo

生存分析的h可能性综述。 （英语） Zbl 1478.62293号

日本。统计数据科学杂志。 4，第2期，1157-1178（2021）.
摘要：最近研究了具有不可观测随机变量的统计模型，如随机效应模型，用于分析各个领域复杂类型的数据（例如纵向数据和时间-事件数据）。层次似然（h-似然）[Y.Lee先生和J.A.内尔德、J.R.Stat.Soc.、Ser。B 58，第4期，619–678（1996年；Zbl 0880.62076号)]为具有不可观测随机变量的此类模型的推断提供了统一的框架。在本文中，我们回顾了生存分析的h-似然框架。我们还演示了如何通过基于网络的软件Albatross Analytics分析生存数据，该软件是最近根据h-似然法开发的。此外，我们讨论了h-似然的最近扩展。

引用于三文件

MSC公司：

62号02 生存分析和删失数据中的估计
62J12型 广义线性模型（逻辑模型）
62N01号 审查数据模型
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

h-似然;脆弱模型;随机效应;相互竞争的风险

引文：

Zbl 0880.62076号

软件：

DeepSurv公司;考克斯奈特;信天翁分析;脆弱性HL;crrSC公司;dhglm公司;cmprsk公司;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{I.D.Ha}和\textit{Y.Lee}，Jpn。统计数据科学杂志。4，编号2，1157--1178（2021；Zbl 1478.62293）
全文： 内政部

参考文献：

[1] 艾特金，M。；Foxall，R.，使用多层感知器的人工神经网络统计建模，统计与计算，13，227-239（2003）
[2] Austin，PC，《多层生存分析教程：方法、模型和应用》，《国际统计评论》，第85期，第185-203页（2017年）·Zbl 07763544号
[3] TA Balan；Putter，H.，脆弱模型教程，医学研究中的统计方法，293424-3454（2020）
[4] Breslow，NE，《考克斯教授论文讨论》，《皇家统计学会杂志：B辑》，34，216-217（1972）
[5] Breslow，NE，截尾生存数据的协方差分析，生物统计学，30，89-99（1974）
[6] Chee，C.-S.，Ha，I.D.，Seo，B.，&Lee，Y.（2021年）。使用非参数极大似然方法的非参数脆弱性模型的半参数估计。提交给《医学研究统计方法》的修订版。
[7] Ching，T。；朱，X。；Garmire，LX，Cox-nnet:一种用于高通量组学数据预测的人工神经网络方法，《公共科学图书馆·计算生物学》，14，4，e1006076（2018）
[8] 新泽西州克里斯蒂安；哈，ID；Jeong，J-H，集群竞争风险数据的层次似然推断，《医学统计学》，35，251-267（2016）
[9] 杜恰图，L。；Janssen，P.，《脆弱模型》（2008），柏林：施普林格出版社，柏林·Zbl 1210.62153号
[10] Efron，B.，预测、估计和归因，《美国统计协会杂志》，530636-655（2020）·Zbl 1445.62327号
[11] 埃尔伯斯，C。；Ridder，G.，真实和虚假的持续时间依赖性：比例风险模型的可识别性，《经济学研究评论》，49003-409（1982）·Zbl 0512.62113号
[12] Elghafghuf，A。；Stryhn，H.，《脆弱cox模型的稳健泊松似然估计：模拟研究》，《统计中的通信——模拟与计算》，46，2907-2923（2017）·Zbl 1462.62461号
[13] Emura，T。；中町，M。；Murotani，K.，用于荟萃分析的肿瘤进展和死亡之间的联合脆弱连接模型，《医学研究中的统计方法》，26，2649-2666（2017）
[14] Emura，T.、Matsui，S.和Rondeau，V.（2019年）。相关终点生存分析，联合脆弱性连接模型。JSS统计研究系列。新加坡：施普林格·兹比尔1429.62003
[15] Emura，T。；施，J-H；哈，ID；Wilke，RA，《假设关联下竞争风险的边际风险模型和子分布风险模型的比较》，《医学研究中的统计方法》，292307-2327（2020）
[16] Fan，J.、Ma，C.和Zhong，Y.（2019年）。深度学习的选择性概述。[stat.ML]，2019年14日·Zbl 07368237号
[17] 精细，JP；Gray，RJ，竞争风险细分的比例风险模型，美国统计协会杂志，94548-560（1999）·Zbl 0999.62077号
[18] Goethals，K。；詹森，P。；Duchateau，L.，《脆弱模型和连接函数：相似性和差异》，《应用统计杂志》，351071-1079（2008）·Zbl 1253.62074号
[19] 郭，X。；卡林，英国石油公司，使用标准计算机包对纵向和事件时间数据进行单独和联合建模，美国统计学家，58，16-24（2004）
[20] 哈，ID；Lee，Y。；Song，J-K，脆弱模型的层次似然法，生物统计学，88，233-243（2001）·Zbl 1033.62096号
[21] 哈，ID；Lee，Y。；Song，J-K，带删失数据的混合线性模型的层次似然方法，寿命数据分析，8163-176（2002）·Zbl 1037.62100号
[22] 哈，ID；Lee，Y.，通过泊松层次广义线性模型估计脆弱性模型，计算与图形统计杂志，12663-681（2003）
[23] 哈，ID；帕克，T。；Lee，Y.，重复测量和生存时间数据的联合建模，《生物医学杂志》，45647-658（2003）·Zbl 1441.62328号
[24] 哈，ID；Lee，Y.，脆弱性模型的分层似然与传统最佳线性无偏预测方法的比较，Biometrika，92717-723（2005）·Zbl 1152.62379号
[25] 哈，ID；Lee，Y.，生存数据的多级混合线性模型，寿命数据分析，11，131-142（2005）·Zbl 1077.62080号
[26] 哈，ID；Lee，Y。；MacKenzie，G.，多成分脆弱模型的模型选择，《医学统计学》，26，4790-4807（2007）
[27] 哈，ID；Lee，Y。；Pawitan，Y.，双胞胎存活数据的遗传混合线性模型，行为遗传学，37621-630（2007）
[28] 哈，身份证；Noh，M。；Lee，Y.，半参数脆弱性模型中似然估计的偏差减少，《斯堪的纳维亚统计杂志》，37，307-320（2010）·Zbl 1224.62103号
[29] 哈，ID；西尔维斯特，R。；罗格朗，C。；MacKenzie，G.，多中心临床试验生存数据的脆弱建模，《医学统计学》，30，28-37（2011）
[30] 哈，ID；Noh，M。；Lee，Y.，脆弱HL:用h-似然拟合脆弱模型的软件包，R Journal，4307-320（2012）
[31] 哈，ID；潘，J。；哦，S。；Lee，Y.，使用惩罚h-似然的一般脆弱性模型中的变量选择，计算与图形统计杂志，231044-1060（2014）
[32] 哈，ID；Lee，M。；哦，S。；Jeong，J-H；西尔维斯特，R。；Lee，Y.，具有竞争风险数据的次级分布风险脆弱性模型中的变量选择，《医学统计》，33，4590-4604（2014）
[33] 哈，ID；新泽西州克里斯蒂安；Jeong，J-H；Park，J。；Lee，Y.，使用多变量脆弱性的次分布风险模型分析集群竞争风险数据，《医学研究中的统计方法》，25，2488-2505（2016）
[34] 哈，ID；Vaida，F。；Lee，Y.，脆弱性比例风险模型中随机效应的区间估计，医学研究中的统计方法，25936-953（2016）
[35] 哈，ID；Jeong，J-H；Lee，Y.，随机效应生存数据的统计建模：h似然法（2017），新加坡：施普林格，新加坡·Zbl 1464.62002年
[36] 哈，ID；Noh，M。；Lee，Y.，《纵向结果和时间-事件数据联合建模的H似然法》，《生物医学杂志》，59，1122-1143（2017）·Zbl 1379.62070号
[37] Ha，I.D.、Noh，M.、Kim，J.和Lee，Y.（2018年）。脆弱HL：使用h-似然的脆弱模型。R包版本2.1。http://CRAN.Rproject.org/package=brightyHL
[38] 哈，ID；Kim，J。；Emura，T.，聚类生存数据的半参数交配和虚弱模型的轮廓似然方法，应用统计学杂志，4625533-2571（2019）·兹比尔1516.62316
[39] 哈，ID；Lee，Y。；向，L。；彭，M。；Jeong，J-H，半参数风险数据的脆弱建模方法，寿命数据分析，26，109-133（2020）·Zbl 1437.62364号
[40] Hao，L.、Kim，J.、Kwon，S.和Ha，I.D.（2021年）。基于深度学习的高维生存数据生存分析。提交给数学出版社。
[41] Hougaard，P.，多元生存数据分析（2000），纽约：Springer，纽约·Zbl 0962.62096号
[42] 黄，X。；Wolfe，R.，《信息审查的脆弱模型》，生物统计学，58，510-520（2002）·Zbl 1210.62129号
[43] 黄，R。；向，L。；Ha，ID，集群生存数据的脆弱比例平均剩余寿命回归：一种分层准似然方法，《医学统计学》，38，4854-4870（2019）
[44] Jin，S.和Lee，Y.（2020年）。h-似然和层次广义线性模型综述。WIRE计算统计，正在印刷中。
[45] Kalbfleisch，法学博士；Prentice，RL，《失效时间数据的统计分析》（1980），纽约：威利·Zbl 0504.62096号
[46] JL卡兹曼；沙哈姆，美国。；Cloninger，A。；贝茨，J。；姜涛（Jiang，T.）。；Kluger，Y.，DeepSurv：使用考克斯比例风险深度神经网络的个性化治疗推荐系统，BMC医学研究方法，18，1，24（2018）
[47] LeCun，Y。；Y.本吉奥。；Hinton，G.，《深度学习》，《自然》。，521, 436-444 (2015)
[48] Lee，M。；哈，ID；Lee，Y.，《失效原因缺失的集群竞争风险数据的脆弱建模》，《医学研究中的统计方法》，26，356-373（2017）
[49] Lee，Y。；Nelder，JA，分层广义线性模型（带讨论），英国皇家统计学会期刊：B系列，58619-678（1996）·Zbl 0880.62076号
[50] Lee，Y。；Nelder，JA，《分层广义线性模型：广义线性模型、随机效应模型和结构化分散的综合》，Biometrika，88，987-1006（2001）·Zbl 0995.62066号
[51] Lee，Y。；内尔德，JA；Pawitan，Y.，《具有随机效应的广义线性模型：通过h-似然进行统一分析》（2017），博卡拉顿：查普曼和霍尔，博卡拉通·Zbl 1376.62005年
[52] Lee，Y.和Noh，M.（2018）。dhglm：双层广义线性模型。R包版本2.0。检索自https://CRAN.R-project.org/package=dhglm。
[53] Lee，Y。；Kim，G.，不可观测项的H-似然预测区间，《国际统计评论》，84，487-505（2016）·兹伯利07763535
[54] Lee，Y。；Kim，G.，聚类数据中h似然估计量的性质，国际统计评论，88380-395（2020）
[55] 刘，L。；弗吉尼亚州沃尔夫；黄，X.，复发事件和终末事件的共享脆弱模型，生物统计学，60747-756（2004）·Zbl 1274.62827号
[56] MC Paik；Lee，Y。；Ha，ID，基于可汇总性的随机效应的频繁性推断，《中国统计》，第25期，第1107-1132页（2015年）·Zbl 1415.62056号
[57] 帕克，E。；Ha，ID，随机效应加速失效时间模型的惩罚变量选择，《医学统计学》，38，878-892（2019）
[58] Rakhmawati，T.W.，Ha，I.D.，Lee，H.，&Lee，Y.（2021年）。具有集群竞争风险数据的特定原因脆弱性模型的惩罚变量选择。修订版已提交给《医学统计学》。
[59] 里帕蒂，S。；Palmgren，J.，使用惩罚部分似然估计多元脆弱性模型，生物统计学，561016-1022（2000）·Zbl 1060.62564号
[60] Rizopoulos，D.，《纵向和时间-事件数据的联合模型及其在R中的应用》（2012），博卡拉顿：查普曼和霍尔，博卡拉通·Zbl 1284.62032号
[61] 伦杜，V。；填充，L。；Joly，P.，使用最大惩罚似然估计的嵌套脆弱性模型，《医学统计》，254036-4052（2006）
[62] 伦杜，V。；沙夫纳，E。；Corbiere，F。；JR冈萨雷斯；Mathoulin-Pelissier，S.，《生存数据的治愈脆弱性模型：乳腺癌复发和结直肠癌再次入院的应用》，《医学研究中的统计方法》，22，243-260（2013）
[63] RJ西尔维斯特；van der Meijden，美联社；Oosterlinck，W.，《使用EORTC风险表预测Ta T1期膀胱癌个体患者的复发和进展：对七项EORTC试验中2596名患者的综合分析》，欧洲泌尿外科，49，466-477（2006）
[64] Tawiah，R。；GJ麦克拉克伦；Ng，SK，复发事件数据的时变和多级脆弱性混合治疗模型，医学研究中的统计方法，291368-1385（2020）
[65] Tawiah，R。；GJ麦克拉克伦；Ng，SK，具有混合框架的双变量关节脆弱性模型，用于依赖性审查和治愈分数的复发事件的生存分析，生物统计学，76753-766（2020）·Zbl 1468.62411号
[66] 塞尔诺，TM；Grambsch，PM，《生存数据建模：扩展考克斯模型》（2000），纽约：Springer，纽约·Zbl 0958.62094号
[67] Vaida，F。；Blanchard，S.，《混合效应模型的条件Akaike信息》，Biometrika，92，351-370（2005）·Zbl 1094.62077号
[68] 郑，M。；Klein，JP，基于假设的copula的依赖竞争风险的边际生存率估计，生物统计学，82，127-138（1995）·兹比尔0823.62099
[69] 周，B。；Latouche，A.，crrSC：分层和聚集数据的竞争风险回归，R包版本，1，1（2015）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。