基于神经网络方法的区间删失数据回归分析:应用于24h身体活动模式的死亡风险建模

目的基于身体活动数据预测每个观测对象的生存概率。方法从美国国家健康与营养调查(NHANES)数据库中提取NHANES 2003—2006年不同对象的身体活动监测数据。通过综合Brier评分、受试者工作特征(ROC)曲线及曲线下面积(AUC)等多种评价指标来评价模型的预测性能,比较了条件生存森林、自适应LASSO、深度学习生存模型等三种生存分析模型的预测性能。结果本研究所建立的深度学习生存模型的预测性能优于其他两个模型。同时,本研究还分析了各项身体活动变量在深度学习生存模型中的重要性,其中年龄和总活动计数对人的身体影响最大,在内部和外部验证中均观察到类似的结果。结论深度神经网络生存模型可以作为预测身体活动对身体影响的有效工具。