Rationale and Applications of Survival Tree and Survival Ensemble Methods

doi:10.1007/s11336-014-9413-1

.2015年9月；80(3):811-33.

doi:10.1007/s11336-014-9413-1。 Epub 2014年9月17日。

生存树和生存集合方法的原理及应用

兖州¹, 约翰·麦卡德尔

附属公司

附属

¹加利福尼亚大学洛杉矶分校神经病学系玛丽·S·伊斯顿阿尔茨海默病研究中心，地址：10911 Weyburn Avenue，Suite 200，Los Angeles，CA，90095，USA，YanZhou@mednet.ucla.edu。

采购管理信息： 25228495
预防性维修识别码：项目经理4409541
内政部： 2007年10月10日/11336-014-9413-1

生存树和生存集合方法的原理及应用

兖州等。心理测量学. 2015年9月.

.2015年9月；80(3):811-33.

doi:10.1007/s11336-014-9413-1。 Epub 2014年9月17日。

作者

兖州¹, 约翰·麦卡德尔

附属

¹加利福尼亚大学洛杉矶分校神经内科玛丽·S·伊斯顿阿尔茨海默病研究中心，地址：10911 Weyburn Avenue，Suite 200，Los Angeles，CA，90095，USA，YanZhou@mednet.ucla.edu。

采购管理信息： 25228495
预防性维修识别码：项目经理4409541
内政部： 2007年10月10日/11336-014-9413-1

摘要

分类和回归树（CART）以及它们的继承者备份和随机森林是越来越受到关注的统计学习工具。然而，由于删失数据收集的特点，标准的CART算法不能立即转移到生存分析的上下文中。关于事件发生和时间的问题在心理学和行为科学中都会出现，特别是在纵向研究中。基于树的方法的预测能力和其他关键特性在事件发生是感兴趣的结果的研究中很有前景。本文回顾了专门为删失响应设计的现有树算法以及最近开发的生存集合方法，并介绍了可用的计算机软件。通过仿真和实例，讨论了这些方法的优点和局限性。为实际使用提供了建议。

PubMed免责声明

数字

图2
通过条件推理生存树划分累犯数据。一(顶部)：树状图；b条协变空间的矩形分区。

图6
模拟模型1a和模型1b的生存树结果。第6页(顶部)：模型1a的“当事人”结果；6b条(底部)：模型1a的“rpart”结果；第6页c(顶部)：模型1b的“一方”结果；6天(底部)：模型1b的“rpart”结果。

图6
模拟模型1a和模型1b的生存树结果。第6页(顶部)：模型1a的“当事人”结果；6b条(底部)：模型1a的“rpart”结果；6厘米(顶部)：模型1b的“一方”结果；6天(底部)：模型1b的“rpart”结果。

图7
模拟模型2a和模型2b的条件推理生存树。第7页(顶部)：2a型，25%审查；7亿(*左下角*)：模型2a，50%审查；第7页c(*右下角*)：2a型，75%审查；7天(顶部)：2b型，25%审查；第7页(底部)：2b型，50%审查；7f：2b型，75%审查。

请参阅PMC中的此图像和版权信息

类似文章

临床肿瘤学研究中的个性化风险预测：使用生存树和随机森林的应用和实际问题。
胡C，Steingrimsson JA。胡C等。生物医药统计杂志2018；28(2):333-349. doi:10.1080/10543406.2017.1377730。Epub 2017年10月19日。《生物制药统计》2018。采购管理信息：29048993 免费PMC文章。
具有竞争风险的生存数据的基于树的模型。
克雷托夫斯卡M。克雷托夫斯卡M。计算机方法程序生物识别。2018年6月；159:185-198. doi:10.1016/j.cmpb.2018.03.017。Epub 2018年3月21日。计算机方法程序生物识别。2018 采购管理信息：29650312
L（左）₁ 生存森林中的分裂规则。
Moradian H、Larocque D、Bellavance F。 Moradian H等人。寿命数据分析。2017年10月；23(4):671-691. doi:10.1007/s10985-016-9372-1。Epub 2016年7月5日。寿命数据分析。2017 采购管理信息：27379423
间歇传感数据的生物统计学方法教程。
Lindsey JC、Ryan LM。 Lindsey JC等人。 Stat Med.1998年1月30日；17(2):219-38. doi:10.1002/（sici）1097-0258（19980130）17:2<219:：aid-sim735>3.0.co；2个。《统计医学》，1998年。采购管理信息：9483730 审查。
决策树和集成学习算法及其在生物信息学中的应用。
Che D、Liu Q、Rasheed K、Tao X。 Che D等人。高级实验医学生物。2011;696:191-9. doi:10.1007/978-1-4419-7046-6_19。高级实验医学生物。2011 采购管理信息：21431559 审查。

查看所有类似文章

引用人

使用生存支持向量机结合随机生存森林预测鼻咽癌患者的生存。
肖Z、宋Q、魏Y、傅Y、黄D、黄C。 Xiao Z等人。 Transl癌症研究2023年12月31日；12(12):3581-3590. doi:10.21037/tcr-23-316。Epub 2023年12月21日。 Transl Cancer研究，2023。采购管理信息：38192980 免费PMC文章。
CADASIL患者无卒中生存预测模型的比较。
Chhoa H、Chabriat H、Chevret S、Biard L。 Chhoa H等人。科学报告2023年12月17日；13(1):22443. doi:10.1038/s41598-023-49552-w。科学代表2023。采购管理信息：38105268 免费PMC文章。
代谢综合征风险预测模型的开发和可视化：基于中国健康体检数据的纵向队列研究。
刘伟，唐X，崔T，赵H，宋G。刘伟等。前螺母。2023年11月21日；10:1286654. doi:10.3389/fnut.2023.1286654。eCollection 2023年。前螺母。2023 采购管理信息：38075230 免费PMC文章。
淋巴结阳性前列腺癌患者总体生存率的机器学习预后模型的开发。
彭志华、田建华、陈博华、周HB、毕H、何MX、李MR、郑XY、王玉伟、冲T、李ZL。彭志华等。科学报告2023年10月27日；13(1):18424. doi:10.1038/s41598-023-45804-x。科学代表2023。采购管理信息：37891423 免费PMC文章。
通过可解释的人工智能改进心力衰竭存活预测模型。
宾夕法尼亚州莫雷诺-桑切斯。宾夕法尼亚州莫雷诺-桑切斯。《前心血管医学》，2023年8月1日；10:1219586. doi:10.3389/fcvm.2023.1219586。eCollection 2023年。《Front Cardiovasc Med.2023》。采购管理信息：37600061 免费PMC文章。

查看所有“被引用”文章

工具书类

1. 伯克RA。从回归角度进行统计学习。纽约州纽约市：斯普林格；2008
1. Breiman L.Bagging预测因子。机器学习。1996;24时123分-140秒。
1. Breiman L.随机森林。机器学习。2001;45:5–32.
1. Breiman L.面向大众的软件。加利福尼亚大学统计系；伯克利：2002年。检索自http://www.stat.berkeley.edu网站/~breiman/wald2002-3.pdf。2014年7月1日查阅。
1. 布雷曼L.如何利用生存森林。加利福尼亚大学统计系；伯克利：2003a。检索自http://www.stat.berkeley.edu网站/~breiman/SF_手册.pdf。2014年7月1日查阅。

出版物类型

行动

MeSH术语

行动
行动
行动
行动
行动
行动

赠款和资金

R37 AG007137/AG/NIA NIH HHS/美国

LinkOut-更多资源

全文源
- 欧洲PubMed Central
- 公共医学中心
其他文献来源
- scite智能引文

[1] 伯克RA。从回归角度进行统计学习。纽约州纽约市：斯普林格；2008

[2] 伯克RA。从回归角度进行统计学习。纽约州纽约市：斯普林格；2008

[3] Breiman L.Bagging预测因子。机器学习。1996;24时123分-140秒。

[4] Breiman L.Bagging预测因子。机器学习。1996;24时123分-140秒。

[5] Breiman L.随机森林。机器学习。2001;45:5–32.

[6] Breiman L.随机森林。机器学习。2001;45:5–32.

[7] Breiman L.面向大众的软件。加利福尼亚大学统计系；伯克利：2002年。检索自http://www.stat.berkeley.edu网站/~breiman/wald2002-3.pdf。2014年7月1日查阅。

[8] Breiman L.面向大众的软件。加利福尼亚大学统计系；伯克利：2002年。检索自http://www.stat.berkeley.edu网站/~breiman/wald2002-3.pdf。2014年7月1日查阅。

[9] 布雷曼L.如何利用生存森林。加利福尼亚大学统计系；伯克利：2003a。检索自http://www.stat.berkeley.edu网站/~breiman/SF_手册.pdf。2014年7月1日查阅。

[10] 布雷曼L.如何利用生存森林。加利福尼亚大学统计系；伯克利：2003a。检索自http://www.stat.berkeley.edu网站/~breiman/SF_手册.pdf。2014年7月1日查阅。

将引文保存到文件

电子邮件引文

添加到集合

添加到我的书目

您保存的搜索

为外部引文管理软件创建文件

您的RSS源

生存树和生存集合方法的原理及应用

附属

生存树和生存集合方法的原理及应用

作者

附属

摘要

数字

类似文章

引用人

工具书类

出版物类型

MeSH术语

赠款和资金

LinkOut-更多资源

全文源

其他文献来源

摘要

数字

类似文章

引用人

工具书类

出版物类型

MeSH术语

相关信息

赠款和资金

LinkOut-更多资源

全文源

其他文献来源