×
陈一飞;贾振宇;丹·默科拉;谢晓辉

一种通过直接优化一致性指数进行生存分析的梯度推进算法。 （英语） 兹比尔1307.92016

计算。数学。方法医学。 2013年，文章ID 873595，8 p.（2013）.
总结：生存分析侧重于建模和预测相关事件的发生时间。许多统计模型被提出用于生存分析。他们经常对危险函数进行强有力的假设，这些假设描述了事件风险如何随时间变化，取决于与每个个体相关的协变量。特别是，流行的比例风险模型假设协变量与风险具有多重相关性。在这里，我们提出了一个生存分析的非参数模型，该模型没有明确假设特定形式的危险函数。我们的非参数模型利用回归树集合来确定风险函数如何根据相关协变量变化。集成模型使用梯度推进方法进行训练，以优化一致性指数的平滑近似，一致性指数是生存模型性能评估中使用最广泛的度量之一。我们在一个名为GBMCI的软件包中实现了我们的模型(并使用大规模乳腺癌预后数据集对我们的模型与其他流行的生存模型的性能进行了基准测试。我们的实验表明，基于大量协变量设置，GBMCI始终优于其他方法。GBMCI在R中实现，可在线免费获取。

引用于3文件

MSC公司：

92B15号机组 一般生物统计学
92-04 生物相关问题的软件、源代码等

软件：

R（右）;GBMCI公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.Chen}等人，计算。数学。Methods Med.2013，文章ID 873595，8 p.（2013；Zbl 1307.92016）
全文： 内政部

参考文献：

[1] 英国皇家统计学会杂志B 34（2）第187页–（1972）
[2] Biometrika 62（2）第269页–（1975）·Zbl 0312.62002号 ·doi:10.1093/biomet/62.2.269
[3] 内政部：10.1214/aos/1176345976·Zbl 0526.62026号 ·doi:10.1214/aos/1176345976
[4] (2006)
[5] 医学统计14（1）pp 73–（1995）·数字对象标识代码：10.1002/sim.4780140108
[6] DOI:10.1023/A:1005765403093·doi:10.1023/A:1005765403093
[7] 神经计算与应用7（4）第367页–（1998）·Zbl 1088.68741号 ·doi:10.1007/BF01428127
[8] 数字对象标识码：10.1002/sim.1655·doi:10.1002/sim.1655
[9] 《统计年鉴》29（5）第1189页–（2001）
[10] DOI:10.1016/S0167-9473（01）00065-2·Zbl 1072.65502号 ·doi:10.1016/S0167-9473（01）00065-2
[11] 计算科学与统计学31第172页–（1999年）
[12] DOI:10.1016/j.artmed.2011.06.006·doi:10.1016/j.artmed.2011.06.006
[13] 内政部：10.1109/TNN.2005.863452·doi:10.1109/TNN.2005.863452
[14] 内政部：10.1093/bioinformatics/btn253·doi:10.1093/bioinformatics/btn253
[15] DOI:10.1093/生物统计/kxj011·Zbl 1170.62385号 ·doi:10.1093/biostatistics/kxj011
[16] 应用统计年鉴2（3）第841页–（2008）·Zbl 1149.62331号 ·doi:10.1214/08-AOAS169
[17] 内政部：10.1001/jama.247.182543·doi:10.1001/jama.247.182543
[18] 医学统计15（4）pp 361–（1996）·doi:10.1002/（SICI）1097-0258（19960229）15:4<361:：AID-SIM168>3.0.CO；2-4
[19] 生存分析中的排名：一致性指数的界限（2008）
[20] 21 (1984)
[21] (2010)
[22] 37 (1989)
[23] (2009)
[24] 《自然》486（7403）pp 346–（2012）·Zbl 0073.41801号
[25] 科学转化医学5（181）第181re1页–（2013）·doi:10.1126/scitranslmed.3006112
[26] 《公共科学图书馆·计算生物学》9（2）（2013）
[27] DOI:10.1016/S0933-3657（00）00053-1·doi:10.1016/S0933-3657（00）00053-1
[28] 内政部：10.1097/01.ju.0000094764.56269.2d·doi:10.1097/01.ju.00000094764.56269.2天
[29] 内政部：10.1162/1532443041827916·Zbl 1098.68652号 ·doi:10.1162/1532443041827916
[30] 《机器学习研究杂志》14页25–（2011）
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。