.png){kind=icon}
返回
Smooth transformation models for survival analysis: A tutorial using R
.png){kind=icon}
PRE
AI
DOI：10.1177/09622802251414595.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近五十年间，生存分析在方法论上取得了显著进展，包括参数方法和更为突出的基于非/半参数估计的方法。随着方法论格局的不断演变，筛选众多方法并识别可用软件资源的任务正变得日益复杂——尤其是在处理区间删失或聚集生存数据、非比例风险或依赖性删失等更复杂场景时。本教程探讨了在统计计算R系统中使用平滑变换模型框架进行生存分析的潜力。该框架提供了一种统一的极大似然方法，涵盖广泛的生存模型，包括经典的Weibull模型和Cox比例风险模型的完全参数版本，以及针对更复杂场景的各种扩展。我们在该框架内探讨了非比例/交叉风险、依赖性删失、聚集观测和个性化医学方向的扩展模型。通过一项关于直肠癌治疗的双臂随机对照试验的生存数据，我们演示了如何利用tram包提供的实现及相关少数包，在该框架内无缝完成生存分析任务。
Keyword:
Non-proportional hazards
dependent censoring
clustered observations
personalized medicine
survival trees
R
