論文の概要: Neural interval-censored Cox regression with feature selection
- arxiv url: http://arxiv.org/abs/2206.06885v2
- Date: Wed, 15 Jun 2022 11:02:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-16 12:57:02.568600
- Title: Neural interval-censored Cox regression with feature selection
- Title(参考訳): 特徴選択によるニューラルインターバル感覚コックス回帰
- Authors: Carlos Garc\'ia Meixide and Marcos Matabuena and Michael R. Kosorok
- Abstract要約: 古典的コックスモデル(英語版)は1972年に登場し、生体医学における時間-時間分析を用いて患者の予後を定量化する方法のブレークスルーを促進した。
本稿では,古典的コックスモデルのインターバルセンサス設定における説明可能性の利点を活用することを目的とする。
- 参考スコア(独自算出の注目度): 1.2891210250935146
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The classical Cox model emerged in 1972 promoting breakthroughs in how
patient prognosis is quantified using time-to-event analysis in biomedicine.
One of the most useful characteristics of the model for practitioners is the
interpretability of the variables in the analysis. However, this comes at the
price of introducing strong assumptions concerning the functional form of the
regression model. To break this gap, this paper aims to exploit the
explainability advantages of the classical Cox model in the setting of
interval-censoring using a new Lasso neural network that simultaneously selects
the most relevant variables while quantifying non-linear relations between
predictors and survival times. The gain of the new method is illustrated
empirically in an extensive simulation study with examples that involve linear
and non-linear ground dependencies. We also demonstrate the performance of our
strategy in the analysis of physiological, clinical and accelerometer data from
the NHANES 2003-2006 waves to predict the effect of physical activity on the
survival of patients. Our method outperforms the prior results in the
literature that use the traditional Cox model.
- Abstract(参考訳): 古典的なcoxモデルは1972年に登場し、バイオメディシンの時間-事象分析を用いて患者の予後を定量化する方法のブレークスルーを奨励した。
実践者にとって最も有用な特徴の1つは、分析における変数の解釈可能性である。
しかし、これは回帰モデルの関数型に関する強い仮定を導入する代償となる。
このギャップを解消するため,本論文では,予測器と生存時間との非線形関係を定量化しつつ,最も関連する変数を同時に選択する新しいlassoニューラルネットワークを用いて,区間検閲設定における古典的coxモデルの説明可能性の利点を生かした。
新しい手法の利得は、線形および非線形の基底依存性を含む例を含む広範囲なシミュレーション研究で実証的に示される。
また,NHANES 2003-2006 波の生理・臨床・加速度計データの解析において,身体活動が患者の生存に及ぼす影響を予測するための戦略の有効性を実証した。
本手法は,従来のCoxモデルを用いた文献において,先行結果よりも優れていた。
関連論文リスト
- Variable selection for nonlinear Cox regression model via deep learning [0.0]
最近開発された深層学習に基づく変数選択モデルLassoNetを生存データに拡張する。
提案手法を適用し,びまん性大細胞型B細胞リンパ腫の実際のデータセットを解析した。
論文 参考訳(メタデータ) (2022-11-17T01:17:54Z) - Causal Inference via Nonlinear Variable Decorrelation for Healthcare
Applications [60.26261850082012]
線形および非線形共振の両方を扱う可変デコリレーション正規化器を用いた新しい手法を提案する。
我々は、モデル解釈可能性を高めるために、元の特徴に基づくアソシエーションルールマイニングを用いた新しい表現として、アソシエーションルールを採用する。
論文 参考訳(メタデータ) (2022-09-29T17:44:14Z) - FastCPH: Efficient Survival Analysis for Neural Networks [57.03275837523063]
我々は,線形時間で動作する新しい手法であるFastCPHを提案し,連結イベントに対する標準的なBreslow法とEfron法の両方をサポートする。
また,FastCPHとLassoNetの併用による特徴空間の解釈性も実証した。
論文 参考訳(メタデータ) (2022-08-21T03:35:29Z) - A Federated Cox Model with Non-Proportional Hazards [8.98624781242271]
最近の研究は、ニューラルネットワークがCoxモデルのような古典的生存モデルを改善する可能性を示している。
本稿では、このデータ設定に適合し、比例的ハザード仮定を緩和するフェデレートされたコックスモデルを提案する。
利用可能な臨床データセットを実験し、フェデレーションモデルが標準モデルと同様に機能できることを実証する。
論文 参考訳(メタデータ) (2022-07-11T17:58:54Z) - Deep Cox Mixtures for Survival Regression [11.64579638651557]
本稿では,Cox回帰の学習混合物をモデルとした生存分析回帰モデルに対する新しいアプローチについて述べる。
我々は、複数の実世界のデータセットで実験を行い、民族や性別にまたがる患者の死亡率を調べる。
論文 参考訳(メタデータ) (2021-01-16T22:41:22Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳(メタデータ) (2020-12-24T05:19:03Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳(メタデータ) (2020-12-08T21:21:47Z) - Predictive Modeling of Anatomy with Genetic and Clinical Data [18.062331119075928]
本報告では, 患者の解剖学的変化を予測するための半パラメトリック・ジェネレーション・モデルについて述べる。
我々は、個体群全体の回帰と、個々の遺伝的および臨床的指標に基づく被験者の健康の非パラメトリックモデルを組み合わせることで、解剖学的変化を捉えた。
論文 参考訳(メタデータ) (2020-10-09T18:30:15Z) - Neural Topic Models with Survival Supervision: Jointly Predicting
Time-to-Event Outcomes and Learning How Clinical Features Relate [8.661220987937565]
本稿では,時間対結果の予測のための解釈可能なニューラルネットワーク手法を提案する。
我々は、トピックモデルの観点から機能がどのように関連しているかを同時に学習しながら、時間から時間までの結果を予測するために生存モデルを学習する。
本研究は,7つの医療データセットを用いて,死亡までの予測と入院期間の予測について検討した。
論文 参考訳(メタデータ) (2020-07-15T16:20:04Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳(メタデータ) (2020-06-08T19:24:54Z)
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。