{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,8]]，“日期-时间”：“2024-05-08T00:36:51Z”，“时间戳”：1715128611074}，“参考-计数”：50，“出版商”：“Springer Science and Business Media LLC”：“2024-05-07T00:00:00Z”，“timestamp”：171504000000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0”}，{“start”：{“date-parts”：[[2024,5,7]]，“date-time”：“2024-05-07T00:00:00Z”，“timetamp”：175040000000}，commons.org\/licenses\/by\/4.0“}]，”content-domain“：｛“域”：[“link.springer.com”]，“交叉标记限制”：false｝，“短容器标题”：[“BMC Med Inform Decis Mak”]，“摘要”：“摘要\n<\/jats:title>近年来，故障或死亡时间等时间到事件数据与高通量协变量一起被定期收集。这些高维生物信息学数据经常对经典生存模型提出挑战，这些模型要么不适合，要么由于过度拟合而导致预测精度低。为了解决这个问题，重点转向引入一种新的特征选择和生存预测方法。在本文中，我们提出了一种新的混合特征选择方法，用于处理高维生物信息学数据集，以改进生存预测。本研究探讨了四种不同的变量选择技术：LASSO、RSF-vs、SCAD和CoxBoost在非参数生物医学生存预测中的功效。利用这些方法，我们进行了全面的变量选择过程。随后，采用生存分析模型u2014，特别是CoxPH、RSF和DeepHit NN u2014，基于所选变量构建预测模型。此外，我们引入了一种新的方法，其中只考虑由上述大多数特征选择技术一致选择的变量。该创新策略称为所提方法，旨在增强变量选择的可靠性和鲁棒性，从而提高生存分析模型的预测性能。为了评估所提方法的有效性，我们使用各种性能指标，包括综合brier得分（IBS）、一致性指数（C指数）和综合绝对误差（IAE），将所提方法与现有的LASSO、RSF-vs、SCAD和CoxBoost技术进行了性能比较大量高维生存数据集。实际数据应用表明，该方法在生存预测精度方面优于竞争方法<\/jats:p>“，”DOI“：”10.1186\/s12911-024-02525-z“，”type“：”journal-article“，”created“：{”date-parts“：[2024,5,7]]，”date-time“：”2024-05-07T12:02:04Z“，”timestamp“：1715083324000}，”update-policy“：“http://\/dx.DOI.org\/10007\/springer_crossmark_policy”，“source”：“Crossref”，”is-referenced-by-count“：0，”标题“：[”使用CoxPH，Random survival Forest&DeepHit Neural Network“]，”prefix“：”10.1186“，”volume“：”24“，”author“：[{”given“：“Naseem”，“family”：“Asghar”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Umair”，“家族”：“Khalil”，“serquence”:“additional”，“ability”：[]}，“givent”：“Basheer”，“家庭”：“Ahmad”，“序列”：“additional“，”affiliation“：[]}，{”given“：”Huda M.“，”family“：”Alshanbari“，“sequence”：“additional”，“affiliance”：[]{，“given”：“Muhammad”，“family”：“Hamraz”，“se序列”：“additional”、“affidiation”：[]}，“给定”：“Bakhtiyar”，“家族”：“Ahmad”，“序列”：Khan“，”sequence“：”additional“，”affiliation“：[]}]，”member“：”297“，”published-online“：{”date-parts“：[2024,5,7]]}，”reference“：[{”issue“：”4“，”key“：”2525_CR1“，”doi-asserted-by“：”publisher“，“first page”：“385”，“doi”：“10.1002\/（sici）10970258（19970228）16:4<385:：aid-sim380>3.0.co；2-3“，”volume“：“16”，“author”：“R Tibshirani”，“年份”：“1997年”，“非结构化”：“Tibshilani R。Cox模型中变量选择的套索方法。1997年统计医学；16（4）：385\u201395。https:\/\/doi.org\/10.1002\/（sici）10970258（19970228）16:4%3c385:：aid-sim380%3e3.0.co；2-3.“，”journal-title“：”Stat Med“}，{”issue“：”3“，”key“：”2525_CR2“，”doi-asserted-by“：”publisher“，”first page“：“691”，”doi“：”10.1093\/biomet\/asm037“，”volume“:”94“，”author“：”HH“，”year“：”2007“，”unstructured“：”Zhang HH，Lu W.Cox\u2019s比例危险模型的自适应套索。Biometrika.2007；94（3）：691\ u2013703.“，”新闻标题“：”生物特征“}，{“issue”：“2”，“key”：“2525_CR3”，“doi-asserted-by”：“publisher”，“first page”：”301“，“doi”：“10.1111\/j.1467-9868.2005.0050.x”，“volume”：：“67”，“author”：“H Zou”，“year”：“2005”，“unstructured”：“Zou H，Hastie T.Regularization and Variable Selection via the Elastic Net.j R Stat Soc Ser B.2005；67（2）：301.”，“journal-title”：“j R Stat.Soc序列B“}，{“问题”：“4”，“key”：“2525_CR4”，“doi-asserted-by”：“publisher”，“first page”：：“2092”，“doi”：“10.1214\/09-AOS780”，“volume”：”38“，“author”：“P Du”，”year“：”2010“，“unstructured”：“Du P，Ma S，Liang H.半参数相对风险cox模型的惩罚变量选择程序。Ann Stat.2010；38（4）：2092。https:\/\/doi.org\/10.1214\/09-AOS780.“，”journal-title“：Ann Stat”}，{“issue”：“10”，“key”：“2525_CR5”，“doi-asserted-by”：“publisher”，“first-page”：“2403”，“doi”：“10.1093\/bti324”，“volume”：”21“author”：“H Li”，”year“2005”，“unstructured”：“Li H，Luan Y.（2005）使用平滑样条函数增强比例风险模型，并应用于高维微阵列数据。生物信息学。2005;21（10）：2403\u20139。https:\/\/doi.org\/10.1093\/生物信息学\/bti324.“，”journal-title“：”生物信息学“}，{”key“：”2525_CR6“，”doi-asserted-by“：”publisher“，”first page“：“105”，“doi”：“10.32614\/RJ-2020-018”，“volume”：“12”，“author”：“M Morris”，“year”：“2020”，“unstructured”：“Morris M，He K，Li Y，Kang J.（2020）SurvBoost：通过梯度提升在分层比例危险模型中选择高维变量的R包。《R J.2020》；12:105.“，”journal-title“：”The R J“}，{”issue“：”1“，”key“：”2525_CR7“，”doi-asserted-by“：”publisher“，”first page“：“50”，”doi“：”10.1093\/btv517“，“volume”：“32”，“author”：“K He”，“year”：“2016”，“unstructured”：“He K，Li Y，Zhu J，Liu H，Lee JE，Amos CI，Li Y.”。高维协变量生存分析中的成分梯度提升和错误发现控制。生物信息学。2016;32（1）：50.“，”journal-title“：”Bioinformatics“}，{“issue”：“1”，“key”：“2525_CR8”，“doi-asserted-by”：“publisher”，“first-pages”：“30”，“doi”：“10.1198\/0003130042836”，“volume”：”58“，“author”：“DR Hunter”，“year”：“2004”，“unstructured”：“Hunter DR，Lange K.MM算法教程.Am Stat.2004；58（1）:30\u20137.”，“journal-title“：”Am Stat“}，{”问题“：”4“，”密钥“：”2525_CR9“，”doi-asserted-by“：”publisher“，”first-page“：”417“，”doi“：”10.1111\/j.1467-9868.2010.00740.x“，”volume“：”72“，”author“：”N Meinshausen“，”year“：”2010“，”unstructured“：”Meinshause N，B\u00fchlmann P.稳定性选择。皇家统计学会期刊B 2010；72（4）：417\u201373.“，”journal-title“：”J Royal Stat Soc Ser B“}，{”issue“：”9“，”key“：”2525_CR10“，”doi-asserted-by“：”publisher“，”first page“：“5116”，”doi“：”10.1073\/pnas.091062498“，”volume“98”，“author”：“VG Tusher”，“year”：“2001”，“unstructured”：“Tusher VG，Tibshirani R，Chu G。微阵列用于电离辐射反应的显著性分析。美国国家科学院院刊。2001;98（9）：5116\u201321.“，”journal-title“：”Proc Natl Acad Sci“}，{”issue“：”489“，”key“：”2525_CR11“，”doi-asserted-by“：”publisher“，“first page”：“205”，”doi“：”10.1198\/jasa.2009.tm08622“，”volume“：“105”，”author“：”H Ishwaran“，”year“：”2010“，”unstructured“：”Ishwarn H，Kogalur UB，Gorodeski EZ，Minn AJ，Lauer硕士。生存数据的高维变量选择。2010年美国统计学会杂志；105（489）：205\u201317.“，”journal-title“：”J Am Stat Assoc“}，{“issue”：“5”，“key”：“2525_CR12”，“doi-asserted-by”：“publisher”，“first-page:”1422“，”doi“：”10.1109\/TCBB.2012.63“，”volume“：”9“，”author“：”H Pang“，”year“：”2012“，”unstructured“：”Pang H，George SL，Hui K，Tong T。使用迭代特征消除随机森林进行基因选择以获得生存结果。IEEE \/ACM Trans-Comput生物信息。2012;9（5）：1422\u201331.”，“期刊标题”：“IEEE\/ACM Trans-Comput Biol Bioinf”}，｛“密钥”：“2525_CR13”，“doi断言者”：“出版商”，“第一页”：“1”，“doi”：“10.1186\/s12859-016-1090-x”，“卷”：“17”，“作者”：“C Mbogning”，“年份”：“2016”，“非结构化”：“Mbogning C，Bro\u00ebt P。在非敏感患者中选择和预测变量的袋装生存树程序。BMC生物信息学。2016;17:1\u201321.“，”journal-title“：“BMC生物信息学”}，{“key”：“2525_CR14”，“unstructured”：“Ternes N，Rotolo F，Michiels S.（2018）Biospear.惩罚回归模型中的生物标记物选择。https:\/\/github.com/Oncostat\/Biospear”}威廉·沃尔伯格（William Wolberg）、西街（Street，W.）和奥尔维（Olvi）的曼加萨里安（Mangasarian）。(1995). 威斯康星州乳腺癌（预后）。UCI机器学习库。https:\/\/doi.org\/10.24432\/C5GK50.“，”doi“：”10.24432\/C5GK50“}，{“key”：“2525_CR16”，“doi-asserted-by”：“publisher”，“first-page”：“530”，“doi”：“10.1038\/415530a”，“volume”：”12“author”：“LJ van t Veer”，“year”：“2002”，“unstructured”：“van\u2019t Veer LJ，et al.基因表达谱预测临床结果《自然》杂志，2002年；12:530\u20136.“，”journal-title“：”Nature“}，{”issue“：”7“，”key“：”2525_CR17“，“doi-asserted-by”：“publisher”，“first page”：“e0181001”，“doi”：“10.1371”journal.pone.0181001“，”volume“：“12”，“author”：“T Ahmad”，“year”：“2017”，“unstructured”：“Ahmad T，Munir A，Bhatti SH，Aftab M，Raza MA。心力衰竭患者生存分析：A案例研究，《公共科学图书馆·综合》，2017年；12（7）：e0181001。https:\/\/doi.org\/10.1371 \/journal.pone.0181001.“，”journal-title“：”PLoS ONE“}，{”key“：”2525_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Wang KY，Pupo GM，Tembe V，Patrick E，Strbenac D，Schramm SJ，Thompson JF，Scolyer RA，Mueller S，Tarr G，Mann GJ.2020。跨平台Omics预测程序：在III期黑色素瘤患者中实施精准医疗的游戏规则改变者。bioRxiv，第2020-12页。“，”DOI“：”10.1101\/2020.12.09.415927“}，{”issue“：”14“，”key“：”2525_CR19“，”DOI-asserted-by“：”publisher“，”first page“：“8418”，“DOI”：“10.1073\/pnas.0932692100”，“volume”：“100”，“author”：“T Sorlie”，“year”：“2003”，“unstructured”：“”Sorlie T、Tibshirani R、Parker J、Hastie T、Marron JS、Nobel A、Deng S、Johnsen H、Pesich R、Geisler S、Demeter J、Perou CM、L\u00f8nning PE、Brown PO、B\u00f 8rresen-Dale AL、Botstein D。在独立基因表达数据集中重复观察乳腺肿瘤亚型。美国国家科学院院刊，2003年；100（14）:8418\u201323。https:\/\/doi.org\/101073\/pnas.0932692100.“，”journal-title“：”Proc Natl Acad Sci USA“}，{”issue“：”25“，”key“：”2525_CR20“，”doi-asserted-by“：”publisher“，“first page”：“1999”，“doi”：“10.1056\/NEJMoa021967”，“volume”：”347“，“author”：“MJ Van De Vijver”，“year”：“2002”，“unstructured”：“”Van De Vijver MJ、He YD、Van \u2019t Veer LJ、Dai H、Hart AA、Voskuil DW、Schreiber GJ、Peterse JL、Roberts C、Marton MJ、Parrish M.乳腺癌生存预测因子的基因表达特征。《新英格兰医学杂志》，2002年；347（25）：1999\u20132009.”，“新闻标题”：“N Engl J Med”}，{“key”：“2525_CR21”，“volume-title”：“统计学习入门”，“author”：“G James”，“year”：“2017”，“unstructured”：“James G，Witten D，Hastie T，Tibshirani R.《统计学习入门》第二版，美国纽约州纽约市：施普林格出版社，2017年。”，“edition”：“2”}、{“issue”：“10”，“key“：”2525_CR22”，“doi断言者”：“出版商”，“首页”：“1388”，“doi”：“10.1016\/j.bmt.2010.04.001”，“卷”：“16”，“作者”：“K Ka\u0142wak”，“年份”：“2010”，“非结构化”：“Ka\u0142wak K，Porwolik j，Mielcarek M，Gorczy\u0144ska E，Owoc Lempach j，Ussowicz M，Dyla A，Musia\u0142 j，Pa\u017adzior D，Turkiewick z D，Chybicka A。移植物中较高的CD34+和CD3+细胞剂量可促进长期存活，对体内T细胞缺失的非血缘供者造血干细胞移植后儿童严重急性或慢性移植物抗宿主病的发生率没有影响。生物骨髓移植。2010;16（10）：1388\u2013401.“，“journal-title”：“生物骨髓移植”}，{“key”：“2525_CR23”，“unstructured”：“Ramanan，D.（2016）。NKI乳腺癌数据。访问日期：2023年9月10日。https:\/\/data.world\/deviramanan2016\/nki-breast-cancer-data“}，{”issue“：”3“，”key“：”2525_CR24“，”doi-asserted-by“：”publisher“，”first page“：“1013”，“doi”：“10.3390\/make1030058”，“volume”：“1”，“author”：“F Emmert-Streib”，“year”：“2019”，“unstructured”：“Emmert-Streib F，Dehmer M。生存分析实践简介。马赫学习知识提取。2019;1（3）：1013\u201338.“，”journal-title“：”Mach-Learn Knowl Extraction“}，{“issue”：“6”，“key”：“2525_CR25”，“doi-asserted-by”：“publisher”，“first-page”：“483”，“doi”：“10.7763\/IJMLC.2014.V6.459”，“volume”：”4“，“author”：“L Yang”，“year”：“2014”，“unstructured”：“Yang L，Pelckmans K。生存分析的机器学习方法：乳腺癌微阵列的案例研究。国际J马赫学习计算。2014;4（6）：483.“，”journal-title“：”Int J Mach Learn Compute“}，{”key“：”2525_CR26“，”doi-asserted-by“：”publisher“，”first page“：“5”，”doi“：”10.1023\/A:1010933404324“，”volume“：‘45’，”author“：”L Breiman“，”year“：”2001“，”unstructured“：”Breiman L.Random Forests.Mach Learn.2001；45:5\u201332。https:\/\/doi.org/10.1023\/A：1010933404324.”，“期刊标题”：“Mach Learn”}，｛“issue”：“456”，“key”：“2525_CR27”，“doi断言者”：“出版者”，“首页”：“1348”，“doi”：“10.1198\/01621405175338273”，“卷”：“96”，“作者”：“J Fan”，“年份”：“2001”，“非结构化”：“Fan J，Li R。通过非冲突惩罚似然及其oracle属性进行变量选择。2001年美国统计学会杂志；96（456）：1348\u201360.“，”journal-title“：”J Am Stat Assoc“}，{”key“：”2525_CR28“，”doi-asserted-by“：”publisher“，”first page“：“173”，”doi“：”10.1007\/s1122-013-9424-2“，”volument“：”25“，”author“：”P Breheny“，”year“：”2015“，”unstructured“：”Breheny P，Huang J。带分组预测因子的非凸惩罚线性和logistic回归模型的组下降算法。统计计算。2015;25:173\u201387.“，”journal-title“：”Stat-Comput“}，{”issue“：”23“，”key“：”2525_CR29“，”doi-asserted-by“：”publisher“，”first-page“：”9326“，”doi“：”10.1016\/j.eswa.2015.08.016“，”volume“：“42”，“author”：“ZY-Algamal”，“year”：“2015”，“unstructured”：“Algamal-ZY，Lee MH。在高维癌症分类中，使用适应性LASSO进行基因选择的惩罚逻辑回归。专家系统应用。2015;42（23）：9326\u201332.“，”journal-title“：”Expert Syst Appl“}，{“key”：“2525_CR30”，“doi-asserted-by”：“publisher”，“first-page”：“197”，”doi“：”10.1007\/BF00116037“，“volume”：”5“，”author“：”RE Schapire“，“year”：“1990”，“unstructured”：“Schapire-RE.The strength of weaklearnability。Mach Learn.1990；5:197\u2013227.”，“journal-title”：“机器学习”}，{“问题”：“2”，“key“：”2525_CR31“，”doi-asserted-by“：”publisher“，”first page“：“256”，”doi“：”10.1006\/inco.1995.1136“，“volume”：“121”，“author”：“Y Freund”，，“year”：“1995”，“unstructured”：“Freund Y。以大多数人的比例提升弱学习算法。Inf计算。1995;121（2）：256\u201385.“，”journal-title“：”Inf Compute“}，{”key“：”2525_CR32“，”first page“：“148”，“volume”：“96”，“author”：”Y Freund“，”year“：”1996“，”unstructured“：”Freund Y，Schapire RE。新增压算法的实验。In icml.1996；96:148\u201356.“，P.Buehlmann、T.Kneib、M。Schmid和B.Hofner（2022年）。mboost:基于模型的Boosting，R软件包版本2.9\u20137，https:\/\/CRAN.R-project.org\/package=mboost“}，{“问题”：“3”，“密钥”：“2525_CR34”，“doi-asserted-by”：“发布者”，“首页”：“1195”，“doi”：“10.1007\/s001807-073-8”，“卷”：“33”，“作者”：“H Seibold”，“年份”：“2018”，“非结构化”：“Seibolds H，Bernau C，Boulesteix AL，德宾·R。关于高维线性Cox模型提升步骤数的选择和影响。计算统计。2018;33（3）：1195\u2013215.“，”journal-title“：”Comput Statistics“}，{”issue“：”6“，”key“：”2525_CR35“，”doi-asserted-by“：”publisher“，”first page“：“1”，”doi“：”10.1145\/3214306“，“volume”：“51”，“author”：“P Wang”，“year”：“2019”，“unstructured”：“Wang P，Li Y，Reddy CK.生存分析的机器学习：一项调查.ACM Computing Surveys（CSUR）.2019；51（6）：1\u201336.“，”journal-title“：”ACM Computing Surveys（CSUR）“}，{“key”：“2525_CR36”，“doi-asserted-by”：“publisher”，“first page”：”5“，”doi“：”10.1023\/A:1010933404324“，”volume“：”45“，”author“：”L Breiman“，”year“：”2001“，”unstructured“：”Breiman L.Random forests.Mach learn.2001；45:5\u201332.“，“journal-title”：“Mach学习“}，{”键“：”2525_CR37“，”doi-asserted-by“：”crossref“，”unstructured“：”Ishwaran H，Kogalur UB，Blackstone EH.和Lauer MS.2008。随机生存森林。“，”DOI“：”10.1214\/08-AOAS169“}，{“key”：“2525_CR38”，“DOI-asserted-by”：“publisher”，“unstructured”：“Lee C，Zame W，Yoon J.and van der Schaar，M.（2018）\u201cDeepHit:A Deep Learning Approach to Survival Analysis With Competing Risks\u201d，AAAI Conference on Artificial Intelligence，32（1）”.https:\/\/doi.org\/10.10609\/aaai.v32i1.11842.“，”doi“：”10.1609\aaai.v32i1.1“1842”}，{“key”：“2525_CR39”，“doi-asserted-by”：“publisher”，“first page”：”710“，”doi“：”101007\/s10985-021-09532-6“，”volume“：”27“，”author“：”H Kvamme“，”year“：”2021“，”unstructured“：”KvammeH，博根\u00d8。基于神经网络的连续和离散生存预测。寿命数据分析。2021;27:710\u201336.“，”journal-title“：”终身数据分析“}，{“key”：“2525_CR40”，“unstructured”：“Sonabend R（2022）.survivalmodels:Models for Survival Analysis_.R package version 0.1.13，.“}，{”key“：”2525_CR41“，”unstructured“：”Ushey K，Allaire J，Tang Y（2023）._reticulate:“Python”_.R包版本1.31的接口，.”}，｛“密钥”：“2525_CR42”，“非结构化”：“Van Rossum，G.和Drake，F.L.，2009。Python 3参考手册，加利福尼亚州斯科茨谷：CreateSpace。“}，{”issue“：”18“，”key“：”2525_CR43“，”doi-asserted-by“：”publisher“，”first page“：“2543”，”doi“：”10.1001\/jama.1982.03320430047030“，”volume“：.“，”journal-title“：”jama“}，{“问题“：”10“，”键“：”2525_CR44“，”doi-asserted-by“：”publisher“，”首页“：”1105“，”doi“：”10.1002\/sim.4154“，“卷”：“30”，“作者”：“H Uno”，“年份”：“2011”，“非结构化”：“Uno H，Cai T，Pencina MJ，D\u2019Agostino RB，Wei LJ。关于使用删失生存数据评估风险预测程序总体充分性的C统计量。统计医学2011；30（10）：1105\u201317.“，”journal-title“：”Stat Med“}，{“issue”：“1”，“key”：“2525_CR45”，“doi-asserted-by”：“publisher”，“first page”：”1“，”doi“：”10.1175\/1520-0493（1950）078<0001:VOFEIT>2.0.CO；2“，”volume“：”78“，”author“：”GW-Brier“，”year“1950”，”“unstructured”：“Brier GW.以概率表示的预测验证《周一天气评论》1950；78（1）：1\u20133.“，”journal-title“：”Mon-Weather Rev“}，{”issue“：”2“，”key“：”2525_CR46“，”doi-asserted-by“：”publisher“，”first page“：“735”，”doi“：”10.1007\/s11424-021-9307-0“，“volume”：“34”，“author”：“Y Zou”，“year”：“2021”，“unstructured”：“Zou Y，Fan G，Zhang R。缺失删失指标生存数据风险率估计的综合平方误差。系统科学复杂性杂志。2021;34（2）：735\u201358.“，”journal-title“：”J Syst Sci Complexity“}，{”issue“：”17\u201318“，”key“：”2525_CR47“，”doi-asserted-by“：”publisher“，”first page“：“2529”，”doi“：”10.1002\/（SICI）1097-0258（19990915\/30）18:17\/18<2529:：AID-SIM274>3.0.CO；2-5“，”volume“”：“18”，“author”：“E Graf”，“年份”：“1999年”，“非结构化”：“格拉夫·E，施穆尔·C，索尔布雷·W，舒马赫·M。生存数据预后分类方案的评估和比较。1999年《统计医学》；18（17\u201318）：2529\u201345.“，”journal-title“：”Stat Med“}，{“key”：“2525_CR48”，“unstructured”：“Shukla.A，（2021年6月24日），梯形规则，GeeksforGeeks，https:\/\/www.geeksforeks.org\/tragradal-Rule\/“}”，{”issue“：”2“，”key“：”252525_CR19“，”doi-asserted-by“：”publisher“，”first page“：“143”，“doi”：“10.1002\/sim.4780030207”，“卷”：“3”，“作者”：“FE Harrell Jr”，“年份”：“1984年”，“非结构化”：“Harrell FE Jr，Lee KL，Calif RM，Pryor DB，Rosati RA。用于改进预测的回归建模策略。1984年统计医学；3（2）：143\u201352.”，“journal-title”：“Stat Med”}，{“key”：“2525_CR50”，“unstructured”：“Hanpu Zhou and Xuewei Cheng and Sizheng and Yi Zou and Hong Wang（2022）。SurvMetrics:生存分析中的预测评估指标，R包版本0.5.0，https:\/\/github.com\/skyee1\/SurvMetrics”}]，“container-title“：[”BMC Medical Informatics and Decision Making“]，”原标题“：[]，”语言“：”en“，”链接“：[｛”URL“：”https://link.springer.com\/content/pdf\/10.1186\/s12911-024-0225-z.pdf“，”内容类型“：”应用程序\/pdf“，”内容版本“：”vor“，”预期应用程序“：”文本挖掘“｝，｛”URL“：”https:\/\/link.springer.com/article\/10.1186\/s12911-024-02525-z\/fulltext.html“，“内容类型”：“文本\/html”，“内容版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\//link.springer\com/content\/pdf\/10.1186 \/s12911-024-0255-z.pdf”，“content-type”：“应用程序\/pdf”、“内容版本“vor“，”d-应用程序“：”相似性检查“}”，“存放”：{“日期-部分”：[[2024,5,7]]，“日期-时间”：“2024-05-07T12:03:30Z”，“时间戳”：1715083410000}，“分数”：1，“资源”：{-“主资源”：}“URL”：“https:\\/bmcmedinformdecismak.biomedcentral.com/articles\/10.1186\/s12911-024-02525-z”}}，”副标题“：[]，”短标题“：[]，“已发布”：{-date-parts“：[[2024,5,7]]}，”引用计数“：50，”journal-issue“：{”issue“：”1“，”published-online“：{”date-parts“：[[2024,12]]}}，”alternative-id“：[”2525“]，”URL“：”http://\/dx.doi.org\/10.1186\/s12911-024-02525-z“，”relational“：{}，“ISSN”：[“1472-6947”]，”ISSN-type“：[{”value“：”1472-6949“，”type“”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2024,5,7]]}，“assertion”：[{“value”：“2024年2月20日”，“order“：1，”name“：”received“，”label“：”received“，“group”：{“name”：“Article History”，“label”：“文章历史”}}，{“value”：“2024年4月30日”，“order”：2，“name”:“accepted”，“table”：“accepted组“：{”名称“：”Article History“，”label“：”Article History“}}，{”order“：1，”name“：”Ethics“，”group“：“名称”：“EthicsHeading“，”label“：”出版许可“}}，{”value“：”作者声明没有竞争利益。“，”order“：4，”name“：”Ethics“，”group“：