×
崔二佳;西普里安·克雷尼西亚努。;安德鲁·勒鲁

可加函数Cox模型。 （英语） Zbl 07499917号

J.计算。图表。斯达。 第3期，第30期，第780-793页（2021）.
摘要：我们提出了可加函数Cox模型，以灵活量化函数协变量和事件时间数据之间的关联。该模型扩展了线性功能比例风险模型，允许功能协变量和对数风险之间的关联在功能域和功能协变量值中非线性变化。此外，我们引入了函数协变量的关键变换，解决了信息稀疏领域的弱模型可识别性问题，并讨论了它们对解释和推理的影响。我们还引入了一种新的估计程序，该程序在模型拟合过程中直接考虑了可识别性约束。方法应用于2003-2006年国家健康和营养检查调查的加速计数据，并量化与全因死亡率相关的新的、可解释的体力活动昼夜模式。我们还介绍了一个简单新颖的模拟框架，用于生成与观测数据相似的功能预测因子的生存数据。附带的推理R软件是快速的、开源的、公开的。我们的数据应用和模拟可以通过附带的小插曲完全重现。本文的补充材料可在网上获得。

引用于2文件

MSC公司：

62至XX 统计

关键词：

加速度测量;功能数据;生存分析;可穿戴设备

软件：

加迈尔;全球供应链;全氟橡胶;半标准杆;R（右）;退款
PDF格式BibTeX公司 XML格式引用
\textit{E.Cui}等人，J.Compute。图表。Stat.30，No.3，780--793（2021；Zbl 07499917）
全文： DOI程序 链接

参考文献：

[1] Austin，P.C.，“利用时间可变协变量生成生存时间来模拟Cox比例危险模型，医学统计学，313946-3958（2012）·doi:10.1002/sim.5452
[2] 白，J。；Di，C。；肖，L。；Evenson，K.R。；拉克鲁瓦，A.Z。；Crainiceanu，C.M。；Buchner，D.M.，“原始加速度计数据的活动指数及其与其他活动指标的比较”，《公共科学图书馆·综合》，11，e0160644（2016）·doi:10.1371/journal.pone.0160644
[3] Bender，R。；奥古斯丁，T。；Blettner，M.，“生成生存时间以模拟Cox比例危险模型，医学统计学，241713-1723（2005）·doi:10.1002/sim.2059
[4] Brier，G.W.，“以概率表示的预测验证，每月天气评论，78，1-3（1950）·doi:10.1175/1520-0493（1950）078<0001:VOFEIT
[5] 库珀，R。；黄，L。；哈代，R。；克雷尼西亚努，A。；哈里斯·T。；Schrack，J.A。；克雷尼西亚努，C。；Kuh，D.，“60-64岁肥胖史和日常体力活动模式：来自MRC国家健康与发展调查的结果，老年学期刊系列A：生物医学科学和医学，721424-1430（2017）·doi:10.1093/gerona/glw331
[6] Crainiceanu，C.、Reiss，P.、Goldsmith，J.、Huang，L.、Huo，L.，Scheipl，F.、Greven，S.、Harezlak，J.，Kundu，M.和Zhao，Y.（2012），“退款：与功能数据的回归”，R包版本0.1-6。
[7] 多尔蒂，A。；Jackson，D。；Hammerla，N。；Pötz，T。；奥利维尔，P。；格拉纳特，M.H。；怀特，T。；Van Hees，V.T。；特伦内尔，M.I。；欧文，C.G。；Preece，S.J.，“使用腕带加速计对身体活动进行大规模人群评估：英国生物银行研究，PLoS One，12，e0169649（2017）·doi:10.1371/journal.pone.0169649
[8] 法西奥罗，M。；古德，Y。；Nedellec，R。；Wood，S.N.，“快速校准添加剂分位数回归”，arXiv编号1707.03307（2017）
[9] Fasiolo，M.、Goude，Y.、Nedellec，R.和Wood，S.N.（2019），“qgam:分位数非参数加法模型”
[10] Gellar，J.E。；科兰图尼，E。；Needham，D.M。；Crainiceanu，C.M.，“生存数据的功能协变量考克斯回归模型，统计建模，15，256-278（2015）·兹比尔07258989 ·doi:10.1177/1471082X14565526
[11] 戈德史密斯，J。；鲍勃，J。；Crainiceanu，C.M。；Caffo，B。；Reich，D.，“惩罚函数回归，计算与图形统计杂志，20830-851（2011）·doi:10.1198/jcgs.2010.1007
[12] 戈德史密斯，J。；Crainiceanu，C.M。；Caffo，B。；Reich，D.，“神经管测量认知结果的纵向惩罚功能回归，皇家统计学会杂志，C辑，61453-469（2012）·文件编号：10.1111/j.1467-9876.2011.01031.x
[13] Gray，R.J.，“使用样条曲线分析生存数据的灵活方法及其在乳腺癌预后中的应用”，美国统计协会杂志，87942-951（1992）·doi:10.1080/01621459.1992.10476248
[14] 格雷文，S。；Scheipl，F.，“函数回归建模的一般框架，统计建模，17，1-35（2017）·Zbl 07289474号 ·doi:10.1177/1471082X16681317
[15] Gu，C.，平滑样条方差分析模型，297（2013），纽约：Springer Verlag，纽约·Zbl 1269.62040号
[16] 小F.E.哈雷尔。；加州R.M。；Pryor博士。；Lee，K.L。；Rosati，R.A.，“评估医疗测试的收益”，Jama，2472543-2546（1982）·doi:10.1001/jama.1982.03320430047030
[17] 小F.E.哈雷尔。；Lee，K.L。；加州R.M。；普赖尔，D.B。；Rosati，R.A.，“改善预测的回归建模策略，医学统计学，3143-152（1984）·数字对象标识代码：10.1002/sim.4780030207
[18] 小F.E.哈雷尔。；Lee，K.L。；Mark，D.B.，“多变量预测模型：开发模型、评估假设和充分性以及测量和减少误差方面的问题”，《医学统计学》，第15期，第361-387页（1996年）·doi:10.1002/（SICI）1097-0258（19960229）15:4<361:：AID-SIM168>3.0.CO；2-4
[19] Hiabu，M。；Mammen，E。；Martinez-Miranda，医学博士。；Nielsen，J.P.，“比例危险的平滑回归——预测生存数据的新方法”，arXiv编号1707.04622（2017）
[20] Hurvich，C.M。；Simonoff，J.S。；Tsai，C.-L.，“使用改进的Akaike信息标准平滑非参数回归中的参数选择，皇家统计学会杂志，B辑，60，271-293（1998）·Zbl 0909.62039号 ·doi:10.1111/1467-9868.00125
[21] Karhunen，K.，“Under lineare methoden in der wahr scheinlichkeitsrechnung”，《科学院年鉴》第A1辑：数学物理学，47（1947）
[22] D.孔。；易卜拉欣，J.G。；Lee，E。；Zhu，H.，“FLCRM：功能线性考克斯回归模型，生物统计学，74，109-117（2018）·Zbl 1415.62111号 ·doi:10.1111/biom.12748
[23] Leroux，A.、Crainiceanu，C.、Smirnova，E.和Cao，Q.（2019年），“rnhanesdata:NHANES加速计数据管道”
[24] Leroux，A。；Di，J。；Smirnova，E。；E.J.Mcguffey。；曹琦。；Bayatmikhtari，E。；Tabacu，L。；齐蓬尼科夫，V。；Urbanek，J.K。；Crainiceanu，C.，“组织和分析NHANES中的活动数据，生物科学统计，11，262-287（2019）·doi:10.1007/s12561-018-09229-9
[25] Lin，H。；何毅。；Huang，J.，“加性Cox比例风险模型中的全局偏似然估计，统计规划与推断杂志，169，71-87（2016）·Zbl 1333.62102号 ·doi:10.1016/j.jspi.2015.08.002
[26] Loeve，M.，概率论II，数学研究生教材，46（1978），纽约：Springer-Verlag，纽约·Zbl 0385.60001号
[27] 马修斯，C.E。；基德尔，S.K。；Troiano，R.P。；Kahle，L。；Koster，A。；Brychta，R。；Van Domelen，D。；卡塞罗蒂，P。；Chen，K.Y。；哈里斯·T·B。；Berrigan，D.，“加速计测量的美国成年人体力活动、久坐时间和死亡率的剂量反应，美国临床营养学杂志，104，1424-1432（2016）·doi:10.3945/ajcn.116.135129
[28] 麦克莱恩，M.W。；胡克，G。；A.-M.施泰克。；谢佩尔，F。；Ruppert，D.，“泛函广义加性模型，计算与图形统计杂志，23，249-269（2014）·doi:10.1080/10618600.2012.729985
[29] Mirel，L。；Mohadjer，L。；Dohrmann，S。；克拉克·J。；伯特·V。；约翰逊，C。；Curtin，L.，“国家健康和营养检查调查：估算程序，2007-2010年”，《生命和健康统计》。系列2，数据评估和方法研究，159，1-17（2013）
[30] 穆勒，H.-G。；Wu，Y。；Yao，F.，“非线性函数回归的连续可加模型，生物统计学，100607-622（2013）·Zbl 1284.62407号 ·doi:10.1093/biomet/ast004
[31] 穆勒，H.-G。；Yao，F.，“函数加法模型，美国统计协会杂志，103，1534-1544（2008）·Zbl 1286.62040号 ·doi:10.19198/016214508000000751
[32] Qu，S。；Wang，J.-L。；Wang，X.，“函数Cox模型的最优估计，统计年鉴，441708-1738（2016）·Zbl 1345.62028号 ·doi:10.1214/16-AOS1441
[33] 核心团队，R.，R：统计计算语言与环境（2019），奥地利维也纳：R统计计算基金会，奥地利维也纳
[34] Ramsay，J.O.，“功能数据分析，统计科学百科全书，4，147-172（2004）
[35] Ruppert，D。；Wand，M.P。；Carroll，R.J.，半参数回归。剑桥统计与概率数学系列，i-vi（2003），剑桥：剑桥大学出版社，剑桥·Zbl 1038.62042号
[36] Sallis，J.F。；Saelens，B.E.，“通过自我报告评估身体活动：现状、局限性和未来方向”，《运动与体育研究季刊》，71，1-14（2000）·doi:10.1080/02701367.2000.11082780
[37] 谢佩尔，F。；A.-M.施泰克。；Greven，S.，“函数加法混合模型，计算与图形统计杂志，24477-501（2015）·doi:10.1080/10618600.2014.901914
[38] 施密德，D。；里奇，C。；Leitzmann，M.F.，“客观评估的体力活动和久坐时间与美国成年人全因死亡率的关系：NHANES研究，PLoS One，10，e0119591（2015）·doi:10.1371/journal.pone.0119591
[39] Schrack，J.A。；齐普尼科夫，V。；戈德史密斯，J。；白，J。；Simonsick，E.M。；克雷尼西亚努，C。；Ferrucci，L.，“评估‘身体悬崖’：身体活动日常模式中与年龄相关的差异的详细量化”，《老年学杂志系列A：生物医学科学和医学》，69，973-979（2014）·doi:10.1093/gerona/glt199
[40] Shinohara，R.T。；Crainiceanu，C.M。；Caffo，B.S。；Reich，D.S.（2011）
[41] 佐治亚州希尔斯伯里。；戈德史密斯，R。；Rushton，A.，“健康成年人自我报告体力活动问卷测量特性的系统评估”，BMJ Open，5，e008430（2015）·doi:10.1136/bmjopen-2015-008430
[42] 塞尔诺，T.M。；Grambsch，P.M。；Pankratz，V.S.，“惩罚生存模型与脆弱性”，《计算与图形统计杂志》，第12期，第156-175页（2003年）·doi:10.19198/1061860031365
[43] Troiano，R.P。；Berrigan，D。；多德，K.W。；Masse，L.C.公司。；Tilert，T。；McDowell，M.，“用加速度计测量美国的体力活动”，《运动与锻炼中的医学与科学》，第40期，第181-188页（2008年）
[44] 瓦尔马，V.R。；戴伊·D。；Leroux，A。；Di，J。；Urbanek，J。；肖，L。；Zipunnikov，V.，“重新评估年龄对终身体育活动的影响，预防医学，101，102-108（2017）·doi:10.1016/j.ypmed.2017.05.030
[45] 瓦尔马，V.R。；戴伊·D。；Leroux，A。；Di，J。；Urbanek，J。；肖，L。；Zipunnikov，V.，“体力活动总量：TAC、TLAC或TAC（λ），预防医学，106233（2018）·doi:10.1016/j.ypmed.2017.10.028
[46] Verweij，P.J。；Van Houwelingen，H.C.，“考克斯回归中的惩罚可能性，医学统计学，132427-2436（1994）·doi:10.1002/sim.4780132307
[47] Wood，S.N.，《广义加性模型：R简介》（2017），佛罗里达州博卡拉顿：查普曼和霍尔/CRC，佛罗里达州波卡拉顿·Zbl 1368.62004号
[48] 木材，S.N。；北卡罗来纳州皮亚。；Säfken，B.，“一般平滑模型的平滑参数和模型选择，美国统计协会杂志，1111548-1563（2016）·doi:10.1080/01621459.2016.1180986
[49] 肖，L。；齐普尼科夫，V。；Ruppert，D。；Crainiceanu，C.，“高维功能数据、统计与计算的快速协方差估计，26，409-421（2016）·Zbl 1342.62094号 ·doi:10.1007/s11222-014-9485-x
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。