生存分析是一种典型的医疗时间事件（time-event）分析场景，其主要分析序列研究中事件（如复发、死亡、治愈等）随着时间变化的统计规律，从而发现其中的敏感/危险因子。
其经典的统计学手段主要有：
（1）参数估计法：即知道其分布函数，根据数据估计其分布参数；
（2）非参数估计法：如KM估计（Kaplan-Meier）；
（3）半参数估计法：如Cox比例风险模型。
在生存分析中，无论是其计算（如KM估计、Cox比例风险模型），还是其评估（如C-index）均需要注意右删失（right-censored）数据的处理。比如在KM估计中，累乘的每个时间段的分母总数均需剔除右删失数据，而在Cox比例风险模型和C-index计算中，均仅考虑比基准案例时间更长的右删失案例作为pair进行计算。
Cox比例风险模型是一种广义线性回归模型，其通过将风险函数分解为独立的时间项（即基准风险函数）和敏感因子项，从而可以忽略时间因素的影响： h ( X , t ) = h 0 ( t ) ∗ exp β X h(X,t)=h_0(t)*\exp^{\beta X} h(X,t)=h0(t)∗expβX
其目标函数为局部似然（partial likelihood）函数： L = ∏ i : E i = 1 exp h ^ θ ( x i ) ∑ j ∈ R ( T i ) exp h ^ θ ( x j ) L=\prod\limits_{i:E_i=1}\frac{\exp^{\hat h_\theta(x_i)}}{\sum\limits_{j\in R(T_i)}\exp^{\hat h_\theta(x_j)}} L=i:Ei=1∏j∈R(T
最低0.47元/天 解锁文章
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
