論文の概要: Positive-Unlabelled Survival Data Analysis

• arxiv url: http://arxiv.org/abs/2011.13161v1
• Date: Thu, 26 Nov 2020 07:11:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 12:17:35.651868
• Title: Positive-Unlabelled Survival Data Analysis
• Title（参考訳）: 正のアンラベレス生存データ解析
• Authors: Tomoki Toyabe, Yasuhiro Hasegawa, and Takahiro Hoshino
• Abstract要約: 我々は、観測期間中に事象を経験する被験者に対して、前向きなデータ生存時間として観測される、前向きな非ラベルデータの新しい枠組みを、前向きなデータとして考察する。 本研究は,(1) 肯定的なデータで検閲時間が観測された場合,(2) 観察されなかった場合の2つの事例を考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we consider a novel framework of positive-unlabeled data in which as positive data survival times are observed for subjects who have events during the observation time as positive data and as unlabeled data censoring times are observed but whether the event occurs or not are unknown for some subjects. We consider two cases: (1) when censoring time is observed in positive data, and (2) when it is not observed. For both cases, we developed parametric models, nonparametric models, and machine learning models and the estimation strategies for these models. Simulation studies show that under this data setup, traditional survival analysis may yield severely biased results, while the proposed estimation method can provide valid results.
• Abstract（参考訳）: 本稿では,観察中に事象が生じた被験者に対して,ポジティブなデータ生存時間を,ポジティブなデータとして,かつ、不ラベルなデータ検閲時間として,ポジティブなデータ生存時間として観察する,ポジティブな非ラベルデータの新たな枠組みを考察する。 本研究は,(1)正のデータで検閲時間が観測された場合,(2)観察されなかった場合の2つの事例を考察する。 どちらの場合も、パラメトリックモデル、非パラメトリックモデル、機械学習モデルおよびこれらのモデルの推定戦略を開発した。 シミュレーション研究により, 従来の生存分析では偏りが強く, 提案手法は有効な結果が得られることが示された。

関連論文リスト

• SurvCORN: Survival Analysis with Conditional Ordinal Ranking Neural Network [4.772480981435387]
  本稿では,条件付き順序付きランキングネットワークを用いた生存曲線の予測手法であるSurvCORNを提案する。 また,モデル予測の精度を評価するための指標であるSurvMAEを導入する。
  論文  参考訳（メタデータ） (2024-09-30T03:01:25Z)
• Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
  我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。 さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。 我々は多種多様な高次元データにまたがって理論を検証する。
  論文  参考訳（メタデータ） (2024-08-08T17:27:29Z)
• Uncertainty Measurement of Deep Learning System based on the Convex Hull of Training Sets [0.13265175299265505]
  本研究では,訓練データの凸殻に基づくトレーニングモデルの不確実性を測定するTo-hull Uncertainity and Closure Ratioを提案する。 学習したデータの凸船体と見えないサンプルとの間の位置関係を観察し、サンプルが凸船体からどのように外挿されているかを推測することができる。
  論文  参考訳（メタデータ） (2024-05-25T06:25:24Z)
• CenTime: Event-Conditional Modelling of Censoring in Survival Analysis [49.44664144472712]
  CenTimeは、イベントへの時間を直接見積もる、サバイバル分析の新しいアプローチである。 本手法は,非検閲データが少ない場合でも,堅牢なイベント条件検閲機構を特徴とする。 以上の結果から,CenTimeは同等の性能を維持しつつ,死までの時間を予測する上で,最先端のパフォーマンスを提供することがわかった。
  論文  参考訳（メタデータ） (2023-09-07T17:07:33Z)
• Temporal Robustness against Data Poisoning [69.01705108817785]
  データ中毒は、悪意のあるトレーニングデータを通じて、敵対者が機械学習アルゴリズムの振る舞いを操作する場合を考慮している。 本研究では,攻撃開始時間と攻撃持続時間を測定する2つの新しい指標である耳線と持続時間を用いたデータ中毒の時間的脅威モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-07T18:59:19Z)
• Falsification before Extrapolation in Causal Effect Estimation [6.715453431174765]
  個体群における因果関係は、しばしば観測データを用いて推定される。 本稿では,偏りのある観測推定を拒否するメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-27T21:47:23Z)
• PyDTS: A Python Package for Discrete-Time Survival (Regularized) Regression with Competing Risks [0.5735035463793008]
  PyDTSは、離散時間生存データのための半パラメトリック競合リスクモデルをシミュレーション、推定、評価するためのパッケージである。 シミュレーション研究はパッケージの柔軟性と正確性を示している。
  論文  参考訳（メタデータ） (2022-04-12T11:58:26Z)
• Combining Observational and Randomized Data for Estimating Heterogeneous Treatment Effects [82.20189909620899]
  不均一な治療効果を推定することは、多くの領域において重要な問題である。 現在、現存するほとんどの作品は観測データにのみ依存している。 本稿では、大量の観測データと少量のランダム化データを組み合わせることで、不均一な処理効果を推定する。
  論文  参考訳（メタデータ） (2022-02-25T18:59:54Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• Performance metrics for intervention-triggering prediction models do not reflect an expected reduction in outcomes from using the model [71.9860741092209]
  臨床研究者はしばしばリスク予測モデルの中から選択し評価する。 振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。 予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
  論文  参考訳（メタデータ） (2020-06-02T16:26:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。