文献

J-GLOBAL ID：201802229421686897   整理番号：18A1873908

競合リスクの下での高次元変数選択と予測およびSEER-メディケアリンクデータへの応用【JST・京大機械翻訳】

High-dimensional variable selection and prediction under competing risks with application to SEER-Medicare linked data

著者 (6件)： Hou Jiayi (Altman Clinical and Translational Research Institute, University of California, San Diego, La Jolla, CA, 92093, U.S.A.) ,  Paravati Anthony (Department of Radiation Medicine and Applied Sciences, University of California, San Diego, La Jolla, CA, 92093, U.S.A.) ,  Hou Jue (Department of Mathematics, University of California, San Diego, La Jolla, CA, 92093, U.S.A.) ,  Xu Ronghui (Department of Mathematics, University of California, San Diego, La Jolla, CA, 92093, U.S.A.) ,  Xu Ronghui (Department of Family Medicine and Public Health, University of California, San Diego, La Jolla, CA, 92093, U.S.A.) ,  Murphy James (Department of Radiation Medicine and Applied Sciences, University of California, San Diego, La Jolla, CA, 92093, U.S.A.)
資料名： Statistics in Medicine  (Statistics in Medicine)
巻： 37  号： 24  ページ： 3486-3502  発行年： 2018年 
JST資料番号： A1551A  ISSN： 0277-6715  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 競合リスク分析は複数の原因によるイベント時間,あるいは1つ以上のイベントタイプを考慮する。そのようなデータに対する一般的に使用される回帰モデルは,(1)他のイベントタイプを同時に認識する一方でのイベントタイプのモデリングに焦点を合わせ,(2)共変量効果を累積的な発生関数に直接結び付ける部分分布ハザードモデルを含んでいる。高次元予測子の存在におけるそれらの使用は,ほとんど調査されていない。前立腺癌患者に対する癌対非癌死亡率を予測する目的のために,連結SEER-Medicデータベースを用いた解析に動機付けられて,各方法におけるペナルティパラメータを選択するための異なるアプローチを含む広範なシミュレーション実験を用いて,両モデル下での既存の機械学習法の予測と変数選択の精度を研究した。次に,SEER-Medicデータの解析に最適手法を適用した。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  機械学習 ,  ペナルティ ,  モデリング ,  回帰モデル ,  最適化手法 ,  *高次元 ,  データベース ,  リスク分析 ,  前立腺腫瘍 ,  患者
準シソーラス用語： 予測子 ,  共変量 ,  *メディケア ,  *変数選択 , 【Automatic Indexing@JST】

著者キーワード (6件)： ブースティング ,  累積入射関数 ,  電子カルテ ,  LASSO ,  機械学習 ,  精密医療

分類 (4件)： 分子・遺伝情報処理  (JE15040B) ,  腫ようの診断  (GE03020J) ,  遺伝学研究法  (EC01020N) ,  基礎診断学  (GC03002P)

タイトルに関連する用語 (6件)： 競合 ,  リスク ,  高次元 ,  変数選択 ,  予測 ,  応用