Nov, 2018

构建和评估个体生存分布的有效方法

PDF
TL;DR本文讨论了个性化生存分布（ISD）模型以及它们与标准模型的区别，探讨了 ISD 模型的评估方法，提出了一种新的方法 D-Calibration，用于确定模型的概率估计是否有意义，并使用这些方法来评估多种 ISD 预测工具。
individual survival distributionsurvival probabilitiesevaluationconcordanced-calibration
发现论文，激发创造
  • 患者个体生存曲线的同时预测区间

    本研究旨在开发一种患者个体特征存活函数的预测模型，提供更准确的生存概率估计，并演示可将现有的样本预测区间估计方法应用于此类生存曲线分析中，同时还介绍了改进预测区间估计方法和新的预测区间估计方法，表现出竞争性的性能，这些方法不仅能用于生存分析，还可以应用于任何可跟踪目标分布的情景中。

    Jun, 2019

  • 低维数据上生存模型的大规模中性比较研究

    在此论文中，我们进行了首个大规模的中性基准实验，重点关注单事件、右删失、低维度生存数据。我们对 18 种模型进行了评估，涵盖经典统计方法和常见的机器学习方法，并使用 32 个公开可用的数据集。通过性能评估，我们发现在低维度、右删失数据的标准生存分析环境中，Cox 比例风险模型仍然是足够简单和强大的方法。

    Jun, 2024

  • 利用深度学习、机器学习和统计方法进行生存分析：预测住院后死亡的比较分析

    应用不同的生存分析方法比较其性能，结果表明深度学习（DeepSurv）在歧视度和校准性方面表现最佳，而 AutoScore-Survival 则通过最小变量集实现了较好的性能和解释性。

    Mar, 2024

  • 教授模型生存力：适当评分规则和具有竞争风险的随机优化

    当数据存在右侧截断情况时，生存分析可以计算 “事件发生时间”。多类别的结果导致了一种分类变种：预测最可能的事件，即已知的竞争风险，这方面的研究较少。为了构建一个估计这种情况下的结果概率的损失函数，我们引入了一个严格正确的修正分离的评分规则，这个规则可以在部分数据上进行优化，因为评估是独立于观测的。它可以用于训练梯度提升树来进行竞争风险分析。与 11 种现有模型相比，这个模型 “MultiIncidence” 在生存和竞争风险的结果概率估计上表现最佳。它可以在任何时间点进行预测，并且比现有的替代方法快得多。

    Jun, 2024

  • 生存聚类分析

    本文介绍了一种基于贝叶斯非参数的方法，用于识别具有不同风险特征的子种群，并通过在群体层面上利用规律来优化个体预测的时间，进而提高预测性能和可解释性。

    Feb, 2020

  • 生存分析的适当评分规则

    本篇论文研究了四种主要的适用于生存分析中的严格得分规则推广，并且证明了这些扩展在离散化条件下是适当的，并通过真实数据集比较了这些扩展得分规则的估计性能，发现对数分值和布赖尔分值的扩展效果最好。

    May, 2023

  • 利用隐含生存函数学习生存分布

    本文提出了一种基于隐式神经表示的隐式生存函数（ISF）方法来对生存分布进行估计以及使用数值积分作为近似预测和优化的累积分布函数，实验结果表明 ISF 在三个公共数据集中优于现有方法并具有估计精度控制的鲁棒性。

    May, 2023

  • 使用异构现实世界生存数据开发联邦时间事件评分

    我们提出了一个用于多个医疗数据所有者之间协作构建联邦评分系统的新框架，旨在确保隐私和通信效率，并在应用于新加坡和美国的急诊科的异质生存数据时证明了其更好的性能。

    Mar, 2024

  • 增加校准的一种通用后处理方法：压缩生存分布

    本文介绍了一种利用合规回归方法改进模型校准而不降低判别能力的新方法，通过对 11 个真实数据集进行验证，展示了该方法在不同场景下的实际适用性和稳健性。

    May, 2024

  • 生存分析的可解释预测与特征选择

    DyS 是一种新的生存分析模型，它在生存分析问题上表现出色，尤其适用于大规模的观察型医疗研究数据集，具备强大的判别能力和可解释性。

    Apr, 2024