基于核机器的加速失效时间模型及其应用

加速失效时间模型是一种应用广泛的生存分析模型。本文借助LASSO惩罚剔除冗余预测变量,构建基于核机器的加速失效时间模型,用以刻画预测变量与生存期间的复杂关系。此外,提出一种新的正则化Garrotized核机器估计方法,可以较好地刻画预测变量与生存期潜在的非线性关系,实现非参数分量中预测变量间交互作用的自动建模,提升模型预测精度。模拟研究表明,与已有的代表性方法相比,本文提出的方法对生存期的预测精度更高,特别是在复杂关系情形下优势更为显著。最后,将该方法应用于胃癌数据分析,利用临床信息和基因表达预测生存期和风险评分。实证结果显示,该方法能为病例基于风险分层的临床精准诊疗方案设计提供有益的参考。

基于加速失效时间模型的企业停产与恢复时间研究

为了帮助企业制定灾后恢复对策,更好地应对灾害威胁,利用加速失效时间(AFT)模型,研究受灾企业停产与恢复时间的影响因素与模型参数。首先以恩施市2020年7月17日发生的暴雨洪涝灾害为例,基于实地调查收集到的377份数据样本,构建AFT模型;其次将影响企业停产与恢复的10个因素作为解释变量,估算洪涝灾害情景下商业企业的停产与恢复时间参数;然后基于恩施市数据与已有余姚市数据,探究同一灾害下不同影响区域的差异性。结果表明:淹没水深、库存损失率、垃圾清运时间和灾前预警时间等是影响企业停产的主要因素。淹没水深、停水时间和库存损失率等是影响企业恢复的主要因素;相比于其他类型的商业企业,住宿和餐饮业企业的平均恢复时间最短。

基于加速失效模型的子群分析方法

精准医疗强调了正确识别异质性子群的重要性,以发展可针对每个子群的个性化治疗方案.尽管近来在子群分析的方法上取得了一些进展,在数据存在删失时,如何有效识别子群仍然缺乏探索.在本文中,我们提出了一种基于加速失效模型的新的子群分析方法,其中由潜在因素导致的异质性可以用特定于个体的截距项来表示.我们考虑最常见的右删失情况,并利用平均插补法对删失数据进行处理.硬阈值惩罚函数被应用于配对截距项的成对差值,可以自动地将观察个体划分为不同的子群.我们也建立了所提出的估计量的理论性质.模拟研究和威斯康辛乳腺癌数据集分析进一步验证了所提方法的有效性.

加速失效时间模型的贝叶斯参数估计和变量选择

本文主要考虑利用贝叶斯方法分析加速失效时间模型.在该模型中,误差项的分布为未知并采用Polya Tree分布进行逼近.本文利用贝叶斯Lasso和马尔科夫链蒙特卡罗方法对模型进行参数估计和变量选择.模拟结果显示本文提出的方法能准确识别模型中重要的影响因子并能得到准确的参数估计.本文最后利用此模型识别Ⅱ型糖尿病人生存时间的重要风险因子.

板级封装焊点振动冲击加速失效方法研究

设计针对板级微电子封装微焊点的振动冲击加速失效试验。对线路板施加定频正弦振动载荷,测量线路板应变值以标定PCB板级载荷水平;采用高速数据采集系统记录振动载荷作用下微焊点失效动态过程。结果表明:通过调节振动条件,采用板级振动试验可获得近似板级跌落冲击试验的峰值形变,其峰值载荷作用频次高于跌落冲击试验;失效数据监测结果显示焊点在振动冲击试验中表现为疲劳失效特征。加速失效试验在保持焊点失效特征的同时能提高试验效率,可作为跌落冲击条件下微焊点板级可靠性评估的备选试验方案。

加速失效时间模型及其医学应用

目的 :探讨加速失效时间模型及其在医学研究中的应用。方法 :利用极大似然法对医学数据进行实例分析。结果 :当 Cox模型不适用时 ,加速失效时间模型可以对数据作出很好的估计。结论 :加速失效时间模型在生存分析领域具有良好的适用性。

右删失数据下加速失效模型的估计问题(英文)

加速失效模型合理地描述了协变量对失效时间的影响,但删失数据的存在对该半参数回归模型的分析带来了很大的挑战.在现有的研究中,删失数据的加速失效模型研究大多牵涉到复杂的计算.为了解决这个问题,本文采用无偏转换和K-M估计相结合的方法进行分析.对删失的响应变量构造无偏转换量,利用最小二乘方法可以得到回归系数的估计,可以证明所得到的估计具有相合性和渐近正态性.在此基础上,利用K-M估计的做法,可以得到随机误差项的分布函数的估计,文中证明了该估计具有强相合性.模拟计算的结果进一步说明了本文所用方法的可行性和估计的有效性.

光滑误差项分布的加速失效时间模型及其医学应用

目的介绍光滑误差项分布的加速失效时间模型并探讨其在医学中的应用。方法通过惩罚最大似然的方法对模型中的参数做出估计,以"伪方差估计"的方法做进一步推断,以实例说明模型的实际应用并与Cox模型结果相比较。结果资料不满足Cox模型比例风险假定时,加速失效时间模型的结果优于Cox模型。结论光滑误差项分布的加速失效时间模型不需要知道误差项的基准分布,也不需要满足比例风险假定,是Cox模型很好的替代模型。

应用加速失效时间模型研究急性心肌梗塞近期预后

应用加速失效时间模型研究急性心肌梗塞近期预后锦州医学院阜新矿务局职业病研究所马洪林魏庆王争孙龙尧急性心肌梗塞（ＡｃｕｔｅＭｙｏｃａｒｄｉａｌＩｎｆａｒｃｔｉｏｎ，简称ＡＭＩ），是一种严重危害人体健康的疾病，是急性心源性猝死的重要原因。在８０年代以前...

Cox比例风险模型与加速失效时间模型在基因表达数据生存分析中的应用及比较

目的:探讨Cox比例风险模型与加速失效时间模型(accelerated failure time model,AFT)在基因表达数据生存分析中的应用及比较。方法:针对基因表达数据高维小样本的特性,首先采用偏最小二乘法对基因数据集进行降维,然后以降维后的成分为协变量对两类生存模型进行拟合并比较其性能。结果:两类模型中病人生存时间的对数秩检验表明,不同风险组生存时间的差异均有统计学意义(P<0.01),而AFT模型比Cox模型具有更大的检验统计量的值。结论:Cox模型和AFT模型都适用于基因表达数据的生存分析,在某些实际应用中AFT模型的拟合效果可能更优于Cox模型。

基于秩估计量经验似然分析的加速失效时间模型与预后

[目的]介绍加速失效时间模型的一种半参数方法并探讨其在医学中的应用。[方法]用经验似然的方法对模型秩估计量进行分析,以实例说明模型的实际应用。[结果]半参数方法可对回归系数建立可信区间,实例分析结果表明半参数方法与参数法加速失效时间模型结果一致。[结论]半参数加速失效时间模型不需要知道误差项的基准分布,为筛选预后因素提供了一种简便的方法。

成组复发事件下的加速失效时间模型

对成组复发事件数据建立了半参数加速失效时间模型,在这个模型中协变量对均值函数在整个复发过程中有加速、减速的作用.该文利用估计方程的理论,给出了该模型中未知参数和基本比率函数的估计,同时利用现代经验过程理论证明了所得估计的相合性和渐近正态性.

Ⅰ型区间删失数据下加速失效治愈率模型的估计问题

在治愈率模型中,感兴趣的事件只发生在一部分个体上,对另外的个体而言,感兴趣的事件一直不会出现.所有的个体被分为两类:可治愈的个体和不可治愈的个体.在寿命数据的研究中,加速失效模型的研究成果很多,但大多数是基于右删失数据进行的,区间删失数据的研究成果相对较少,特别是当研究总体包含有治愈的部分时.本文研究的是Ⅰ型区间删失数据下的一类加速失效治愈率模型.假定协变量对个体被治愈的概率的影响用逻辑斯蒂克模型表示,未治愈个体的发病时间用加速失效模型进行分析.文中采用EM算法得出了模型参数的极大似然估计,并用模拟计算的方式验证了估计量的有效性.

参数加速失效模型定位生存性状位点

大多数现存的检测数量性状位点的统计方法,不适于去分析带有偏态分布和删失机制的生存性状。因此,将生存分析中参数和半参数模型镶嵌到数量性状区间定位的框架内,去定位生存性状。在生存性状分析领域里,加速失效时间模型被认为是用于分析数据的一个非常重要模型。基于加速失效时间模型,提出定位生存性状的参数模型,采用EM算法获得参数的极大似然估计。同时,视贝叶斯信息标准为模型选择标准。通过选取带有极大似然和寡参数的指定误差分布,构建了优化模型。为了证明方法的有效性,分析了一个实际数据集,结果表明,在生存分布的五个常用分布函数,对数Logistic分布是控制小鼠高氧性急性肺损伤的最优分布函数。

Adaptive Elastic Net结合加速失效时间模型在亚组识别中的应用

目的针对临床试验中的生存数据,基于加速失效时间模型提出一种亚组识别方法。方法将Adaptive Elastic Net应用于加速失效时间模型(称为惩罚模型),通过检验协变量与治疗组别的交互项来识别亚组相关协变量。采用基于极大似然的change-point算法寻找预测计分的截断点以对患者进行亚组分类。采用二阶段适应性设计,以评价治疗效果是否存在于所识别的获益亚组人群中。对比四种模型(含协变量主效应的惩罚模型、单变量模型,以及不含协变量主效应的惩罚模型、单变量模型)的亚组识别效果。结果模拟结果显示,在样本量较小、删失率较高、获益亚组占比较小以及样本量不超过协变量个数的情况下,含协变量主效应的惩罚模型在获益亚组的识别上有明显的优势;而其他情况下,则是不含主效应的单变量模型较优。在二阶段适应性设计中,这两种模型进行亚组识别的Ⅰ类错误均控制在0.05左右;当潜在获益亚组时,相比于传统设计,适应性设计很大程度上提高了检验效能。结论含协变量主效应的惩罚模型适用于生存数据的亚组识别;相比于传统设计,二阶段适应性设计更适用于潜在获益亚组的疗效评价。

协变量缺失下加速失效时间模型基于经验似然的加权估计

在部分协变量数据缺失的加速失效时间模型中,提出了参数的逆概率加权(IPW)估计和基于经验似然的加权(ELW)估计,证明了这两种估计的大样本性质.结果表明,ELW估计计算简单,且对回归参数的估计效率高于IPW估计.

成组数据下加速失效模型的光滑估计

对成组数据下加速失效模型的回归参数提出一种光滑估计方法.设计一种重抽样方法估计渐近协方差阵,并进行了数值模拟计算.结果表明,在一定条件下,所提出的估计量是相合的且具有渐近正态性.

重复抽样法在加速失效时间模型中的应用

[目的]探讨加速失效时间模型的半参数估计。[方法]利用重复抽样法对医学数据进行分析,并与Cox模型结果进行比较。[结果]当Cox模型不适用时,加速失效时间模型可以对参数作出很好的估计。[结论]加速失效时间模型在生存分析领域具有良好的适用性。

不同类型建设用地扩张的时序及空间特征——加速失效模型在天津市静海区的应用

研究目的:分析城市扩展中交通用地、商住用地和工业用地扩张的时序特征、空间关系以及扩张时点的影响因素。研究方法:农地—建设用地转换最优时机理论;加速失效模型。研究结果:(1)不同类型建设用地在扩张过程中具有相互关联的时序和空间特征;(2)静海区交通用地引导了其他建设用地扩张的方向,而不同级别交通用地由于对建设用地和农用地影响的差异,加快或延缓了建设用地扩张的时机;(3)商住和工业用地在200—400 m范围内相互集聚,且商住用地产生的集聚效应强于工业用地。研究结论:细化建设用地类型以分析城市扩张的特征和机制,有助于城市扩展区的布局优化和集约发展。

加速失效时间模型下关于广义病例队列抽样功效计算的一个注记（英文）

本文在加速失效时间模型下研究了广义病例队列抽样的功效计算问题.利用光滑加权Gehan估计方程方法估计了未知回归参数,研究了固定预算下广义病例队列抽样的功效计算.模拟研究和实际数据分析评估了提出方法在有限样本下的表现.