Recurrent Events
生存分析中常研究单个终点事件的情况,如死亡;但是实际中许多慢性病会出现复发的状况,这也就意味着对于个体会多次发生events,此时我们称之为重复事件(recurrent events)。
一般研究重复事件会从计数过程或更新过程入手,对其均值,强度等进行研究。计数过程基于时间发生数量,更新过程基于等待时间。
对计数过程的研究主要分为两种:泊松过程和非泊松过程,本文主要考虑泊松过程。
泊松过程
泊松过程有两种定义:
- 不相交的时间间隔内,counts相互独立(或者说, [ t , t + Δ t ) [t,t+\Delta t) [t,t+Δt)时间内发生的事件数与t之前的历史无关)
- 强度函数(intensity function)为 λ ( t ∣ H ( t ) ) = ρ ( t ) \lambda(t|H(t))=\rho(t) λ(t∣H(t))=ρ(t), t > 0 t>0 t>0
从定义二中可窥见泊松过程是一个马尔可夫过程,在 ( t , t + Δ t ) (t,t+\Delta t) (t,t+Δt)内发生事件的概率或许与时间有关,但独立于历史H(t)。从协变量的角度看,随时间变化的协变量可被分为两类——external 和 internal,前者的值不会受重复事件过程的影响,即相互独立,后者反之(常数协变量是external)。所以泊松过程中只有external covariates。
mean function:
μ ( t ) = E { N ( t ) } \mu(t)=E\{N(t)\} μ(t)=E{
N(t)}
rate function:
ρ ( t ) = μ ′ ( t ) \rho(t)=\mu'(t) ρ(t)=μ′(t)
对于泊松过程, λ ( t ) = ρ ( t ) \lambda(t)=\rho(t) λ(t)=ρ(t)
Multiplicative model
直观的说Cox PHM就是一种multiplicative model,即模型基本由两部分相乘组成:
ρ ( t ∣ x ( ∞ ) ) = ρ ( t ∣ x ( t ) ) = ρ 0 ( t ) e x p ( z ′ β ) \rho(t|x^{(\infty)})=\rho(t|x^{(t)})=\rho_0(t)exp(z'\beta) ρ(t∣x(∞))=ρ(t∣x(t))=ρ0(t)exp(z′β)
根据实际需求,协变量z可随时间变化,即z(t)
- Nonparametric model
顾名思义,没有具体参数形式的非参模型 - Anderson-Gill model
仅baseline function没有具体参数形式,即上述模型为半参(类似Cox PHM)。
求得 β ^ \hat\beta β^ 后,利用generalised Nelson-Aalen Estimate估计基线均值函数:
μ ^ 0 ( t ) = ∫ 0 t d μ ^ 0 ( s ) = ∑ h : t ( h ) ≤ t d N ˉ . (