文献

J-GLOBAL ID：202102237584909663   整理番号：21A0092546

交差L1ペナルティを持つ準線形Cox比例ハザードモデル【JST・京大機械翻訳】

Quasi-linear Cox proportional hazards model with cross- L 1 penalty

著者 (2件)： Omae Katsuhiro (Department of Clinical Biostatistics, Graduate School of Medicine, Kyoto University, Kyoto, Japan) ,  Eguchi Shinto (The Institute of Statistical Mathematics, Tachikawa, Japan)
資料名： BMC Medical Research Methodology (Web)  (BMC Medical Research Methodology (Web))
巻： 20  号： 1  ページ： 1-12  発行年： 2020年 
JST資料番号： U7434A  ISSN： 1471-2288  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 治療に対する反応を正確に予測するために,患者特性から計算できる安定かつ効果的なリスクスコアが必要である。権利-センソーシングによる時間-イベントデータからのそのようなリスクを評価するとき,Cox比例ハザードモデルは線形リスクスコアを推定するために最もポピュラーである。しかし,患者の固有の不均一性は,有効なスコアを得ることから,著者らを防ぐ可能性がある。従って,単一線形予測子による回帰問題を考慮することは不十分であり,いくつかの線形予測子を結合する準線形予測子を持つモデルを提案した。これは,混合ハザードモデルに導くCoxモデルの自然な拡張を提供する。提案モデルに対する最尤推定器の性質を調べた。さらに,解釈可能な推定を得るための2つの戦略を提案した。第1は,教師なし学習または事前情報に基づき,前もってモデル構造を制限することであり,第2は,交差L1ペナルティによるパラメータ推定戦略においてできるだけ,表現として得ることである。提案方法の性能をシミュレーションと応用研究によって評価した。最大尤度推定子は一貫性と漸近的正規性を持ち,交差L1正則化推定子は根-n一貫性を持つことを示した。シミュレーション研究は,これらの特性を実験的に示し,応用研究は,提案モデルがCoxモデルと比較して予測能力を改善することを示した。より安定かつ効果的なリスクスコアを得るための患者の固有の不均一性を捉えることが必須である。提案したハザードモデルは,そのような不均一性を捉え,通常の線形Cox比例ハザードモデルよりも優れた性能を達成できる。Copyright 2021 The Author(s) 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 ,  最尤法 ,  教師なし学習 ,  線形性 ,  パラメータ推定 ,  正則化 ,  不均一性 ,  推定量 ,  線形予測 ,  *ペナルティ ,  *比例ハザードモデル ,  *ハザードモデル ,  混合効果モデル
準シソーラス用語： 事前知識 ,  混合モデル ,  予測能力 , 【Automatic Indexing@JST】

著者キーワード (5件)： Coxの比例ハザードモデル ,  一般化平均 ,  不均一性 ,  混合モデル ,  生存解析

分類 (3件)： 分子・遺伝情報処理  (JE15040B) ,  遺伝子発現  (EC02040Q) ,  統計学  (AB08000H)

引用文献 (19件)：

• Biom J; Mixture hazard models for lifetime data; F Louzada-Neto, J Mazucheli, JA Achcar; 44; 2002; 3-14; 10.1002/1521-4036(200201)44:1<3::AID-BIMJ3>3.0.CO;2-D; citation_id=CR1
• J Am Stat Assoc; Modeling heterogeneity in healthcare utilization using massive medical claims data; RP Hilton, Y Zheng, N Serban; 113; 521; 2018; 111-21; 10.1080/01621459.2017.1330203; citation_id=CR2
• Scand J Stat; Maximum likelihood estimation in a semiparametric logistic/proportional-hazards mixture model; HB Fang, G Li, J Sun; 32; 1; 2005; 59-75; 10.1111/j.1467-9469.2005.00415.x; citation_id=CR3
• Omae K, Komori O, Eguchi S. Quasi-linear score for capturing heterogeneous structure in biomarkers. BMC Bioinformatics. 2017; 18(1). https://doi.org/10.1186/s12859-017-1721-x.
• Am Stat; A tutorial on mm algorithms; DR Hunter, K Lange; 58; 1; 2004; 30-7; 10.1198/0003130042836; citation_id=CR5

タイトルに関連する用語 (5件)： 交差 ,  L1 ,  ペナルティ ,  線形 ,  Cox比例ハザードモデル