×
吉达帕县奎桑卡；马雷克·德鲁兹泽尔。

考克斯比例风险模型的贝叶斯网络解释。 （英语） Zbl 1453.62665号

国际J近似推理 103, 195-211 (2018); 更正同上，111,51-52（2019）。
总结：考克斯比例风险（CPH）模型很可能是生存分析中最流行的建模技术。虽然CPH模型能够表示风险集合及其共同影响之间的关系，但贝叶斯网络已成为一种极具吸引力的替代方案，具有更强的建模能力和更广泛的应用。本文主要研究CPH模型（BN-Cox）的贝叶斯网络解释。在贝叶斯网络的知识工程过程中，我们提供了一种对现有CPH模型中的知识进行编码的方法。这一点很重要，因为在实践中，我们通常在文献中有CPH模型，并且无法获得它们的原始数据。
我们将所得BN-Cox模型的准确性与原始CPH模型、Kaplan-Meier估计和从数据中学习的贝叶斯网络（包括朴素贝叶斯、树增强朴素贝叶斯、噪声最大值和通过EM算法的参数学习）进行了比较。BN-Cox模型是所有BN方法中最准确的，与原始CPH模型非常接近。
我们研究了两种简化BN-Cox模型的方法，以提高代表性和计算效率：（1）父母离婚和（2）删除不太重要的风险因素。我们表明，删除不太重要的风险因素会导致较小的准确性损失。

引用于1审查

MSC公司：

62号02 生存分析和删失数据中的估计
60G55型 点过程（例如，泊松、考克斯、霍克斯过程）
62第25页 统计学在社会科学中的应用

关键词：

贝叶斯网络；考克斯比例风险模型

软件：

汽车
PDF格式BibTeX公司 XML格式引用
\textit{J.Kraisangka}和\textit{M.J.Druzdzel}，《国际近似推理》103，195--211（2018；Zbl 1453.62665）
全文： 内政部 链接

参考文献：

[1] Allison，P.D.，《使用SAS的生存分析：实用指南》（2010），SAS Institute Inc.：SAS Institution Inc.，北卡罗来纳州卡里
[2] Cox，D.R.，回归模型和生命表，J.R.Stat.Soc.，Ser。B、 Methodol.方法。，34, 187-220 (1972) ·Zbl 0243.62041号
[3] 斯普鲁恩斯，S.L。；里德·J·E。；格雷斯，M。；Samore，M.，《临床试验中的危害比》，抗微生物。Agents Chemother公司。，48, 2787-2892 (2004)
[4] 莱维，W.C。；Mozaffarian，D。；Linker，D.T。；南卡罗来纳州Sutradhar。；Anker，S.D。；作物，A.B。；阿南德，我。；Magginol，A。；伯顿，P。；医学博士沙利文。；皮特，B。；Poole-Wilson，P.A。；Mann，D.L。；Packer，M.，《西雅图心力衰竭模型：心力衰竭生存率预测》，《循环》，1131424-1433（2006）
[5] Benza，R.L。；米勒，D.P。；冈贝格·迈特兰，M。；Frantz，R.P。；Foreman，A.J。；科菲，C.S。；弗罗斯特，A。；Barst，R.J。；Badesch，D.B。；Elliott，C.G。；Liou，T.G。；McGoon，M.D.，《预测肺动脉高压患者的生存率：评估早期和长期肺动脉高压疾病管理（REVEAL）注册的见解》，《循环》，122，164-172（2010）
[6] Hanna，A.A。；Lucas，P.J.，《医学中的预测模型——人工智能和统计方法》，《Inf.Med.方法》，40，1-5（2001）
[7] Husmeier，D。；Dybowski，R。；Roberts，S.，《生物信息学和医学信息学中的概率建模》（2005），施普林格出版社·Zbl 1151.92011年
[8] Casea，L.D。；Kimmickb，G。；Pasketta，E.D。；Lohmana，K。；Tucker，R.，《癌症临床试验中治疗效果的解释措施》，《肿瘤学家》，第7期，第181-187页（2002年）
[9] Pearl，J.，《智能系统中的概率推理：似然推理网络》（1988），摩根考夫曼出版社：摩根考夫文出版社，美国加利福尼亚州旧金山
[10] 北卡罗来纳州洛格曼普尔。；Kanwar，M.K。；Druzdzel，M.J。；Benza，R.L。；Murali，S。；Antaki，J.F.，预测短期和长期LVAD死亡率的新贝叶斯网络风险分层模型，ASAIO J.，61，313-323（2015）
[11] Murphy，K.P.，《动态贝叶斯网络：表示、推理和学习》（2002），加利福尼亚大学：加州大学伯克利分校，博士论文
[12] Van Gerven，硕士。；塔尔，B.G。；Lucas，P.J.，作为临床患者管理的预后模型的动态贝叶斯网络，J.Biomed。通知。，41, 515-529 (2008)
[13] Kraisangka，J。；Druzdzel，M.J.，《考克斯比例风险模型的离散贝叶斯网络解释》，（van der Gaag，L.C.；Feelders，A.J.，概率图形模型。概率图形模型，计算机科学讲义，第8754卷（2014），施普林格国际出版公司），238-253·Zbl 1450.62127号
[14] 卡普兰，E.L。；Meier，P.，《不完全观测的非参数估计》，美国统计协会，53，457-481（1958）·兹伯利0089.14801
[15] 罗西，P.H。；伯克共和国。；Lenihan，K.J.，《金钱、工作和犯罪——实验证据》（1980），学术出版社：学术出版社，加利福尼亚州圣地亚哥
[16] Fox，J.，An R和S-Plus Companion to Applied Regression（2002年），Sage Publication Inc.：Sage Puplication Inc.CA
[17] Dempster，A.P。；新墨西哥州莱尔德。；Rubin，D.B.，《通过EM算法从不完整数据中获得最大似然》，J.R.Stat.Soc.，Ser。B、 Methodol.方法。，1-38 (1977) ·Zbl 0364.62022号
[18] Lauritzen，S.L.，缺失数据图形关联模型的EM算法，计算。统计数据分析。，19, 191-201 (1995) ·Zbl 0875.62237号
[19] 诺瓦克，K。；Druzdzel，M.J.，《使用加权最小二乘法学习规范模型中的参数》，（van der Gaag，L.C.；Feelders，A.J.，概率图形模型。概率图形模型，计算机科学讲义，第8754卷（2014），施普林格国际出版公司：斯普林格国际出版社，海德堡），366-381·Zbl 1443.68151号
[20] Kraisangka，J。；Druzdzel，M.J。；Benza，R.L.，基于贝叶斯网络的肺动脉高压风险计算器，（第13届UAI贝叶斯建模应用研讨会论文集（2016）），1-6
[21] Benza，R.L。；冈贝格·迈特兰，M。；米勒，D.P。；弗罗斯特，A。；Frantz，R.P。；Foreman，A.J。；Badesch，D.B。；McGoon，M.D.，《新诊断肺动脉高压患者的REVEAL注册风险评分计算器》，Chest，141354-362（2012）
[22] Kraisangka，J。；Druzdzel，M.J.，《使大型考克斯比例风险模型在贝叶斯网络中易于处理》（第八届概率图形模型国际会议论文集（2016）），252-263
[23] Zagorecki，A。；沃特曼，M。；Druzdzel，M.J.，分解贝叶斯网络中的局部概率分布以改进推理和参数学习，（Sutcliffe，G。；Goebel，R.，《人工智能的最新进展：第十九届国际佛罗里达人工智能研究会会议记录》。《人工智能的最新进展：第十九届国际佛罗里达人工智能研究会会议记录》，FLAIRS-2006（2006），AAAI出版社：AAAI Press Menlo Park，CA），860-865
[24] Díez，F.J。；Druzdzel，M.J.，《知识工程的典型概率模型》（2006），联合国环境规划署：联合国环境规划署，西班牙马德里，技术报告
[25] 迪兹，F.J。；Galan，S.F.，噪声最大值的有效计算，Int.J.Intell。系统。，18, 165-177 (2003) ·Zbl 1028.68164号
[26] Savicky，P。；Vomlel，J.，在概率推理中利用张量秩一分解，Albert Perez记忆专刊。纪念阿尔伯特·佩雷斯的特刊，凯贝内提卡，43，747-764（2007）·Zbl 1148.68539号
[27] Vomlel，J。；Tichavsky，P.，基于CP张量分解的噪声阈值模型概率推理，国际期刊近似推理。，55, 1072-1092 (2014) ·Zbl 1390.68681号
[28] Lewin-Koh，N.，Hexagon binning：概述（2018年）
[29] 范，J。；Li，R.，考克斯比例风险模型和脆弱性模型的变量选择，《统计年鉴》，30，74-99（2002）·Zbl 1012.62106号
[30] Oni Shi-ko，A。；Druzdzel，M.J。；Wasyluk，H.，从小数据集学习贝叶斯网络参数：噪声或门的应用，国际期刊近似原因。，27, 165-182 (2001) ·Zbl 0988.68827号
[31] Oni Shi-ko，A。；Druzdzel，M.J.，贝叶斯网络参数精度对医疗诊断系统准确性的影响，Artif。智力。医学，57，197-206（2013）
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。