論文の概要: Learning Survival Models with Right-Censored Reporting Delays

• arxiv url: http://arxiv.org/abs/2510.04421v1
• Date: Mon, 06 Oct 2025 01:16:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.640857
• Title: Learning Survival Models with Right-Censored Reporting Delays
• Title（参考訳）: 報告遅延を検知した生存モデル学習
• Authors: Yuta Shikuri, Hironori Fujisawa,
• Abstract要約: 生存分析(英: Survival analysis)とは、事象が起こるまでの時間を推定する統計手法である。 実務上の制約の下での報告遅延の調整は 保険業界にとって 重大な課題です。 本研究は,事象発生時のパラメトリックハザード関数と報告タイミングを共同でモデル化することによって,この問題に対処する。
• 参考スコア（独自算出の注目度）: 10.312968200748118
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Survival analysis is a statistical technique used to estimate the time until an event occurs. Although it is applied across a wide range of fields, adjusting for reporting delays under practical constraints remains a significant challenge in the insurance industry. Such delays render event occurrences unobservable when their reports are subject to right censoring. This issue becomes particularly critical when estimating hazard rates for newly enrolled cohorts with limited follow-up due to administrative censoring. Our study addresses this challenge by jointly modeling the parametric hazard functions of event occurrences and report timings. The joint probability distribution is marginalized over the latent event occurrence status. We construct an estimator for the proposed survival model and establish its asymptotic consistency. Furthermore, we develop an expectation-maximization algorithm to compute its estimates. Using these findings, we propose a two-stage estimation procedure based on a parametric proportional hazards model to evaluate observations subject to administrative censoring. Experimental results demonstrate that our method effectively improves the timeliness of risk evaluation for newly enrolled cohorts.
• Abstract（参考訳）: 生存分析(英: Survival analysis)とは、事象が起こるまでの時間を推定する統計手法である。 幅広い分野に適用されているが、実際的な制約の下での報告遅延の調整は、保険業界にとって大きな課題である。 このような遅延は、レポートが正しい検閲を受けると、イベントの発生を観測不能にする。 この問題は、新しく登録されたコホートに対して、行政検閲によるフォローアップが限定されたハザードレートを推定する場合に特に重要となる。 本研究は,事象発生時のパラメトリックハザード関数と報告タイミングを共同でモデル化することによって,この問題に対処する。 連立確率分布は、潜時事象発生状況に対して辺縁化される。 提案した生存モデルの推定器を構築し,その漸近的一貫性を確立する。 さらに,予測最大化アルゴリズムを開発し,その推定値を計算する。 これらの知見を用いて,行政検閲対象の観察を評価するために,パラメトリック比例ハザードモデルに基づく2段階推定手法を提案する。 提案手法は,新たに登録したコホートに対するリスク評価のタイムラインを効果的に改善することを示した。

関連論文リスト

• Evidential time-to-event prediction with calibrated uncertainty quantification [12.446406577462069]
  Time-to-event分析は、臨床予後と治療勧告に関する洞察を提供する。 本稿では,時間とイベントの予測に特化して設計された明らかな回帰モデルを提案する。 我々のモデルは正確かつ信頼性の高い性能を提供し、最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-12T15:06:04Z)
• 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。 この設定では、一般化されたクロスバリデーション推定器(GCV)がサンプル外リスクを正確に予測できないことを示す。 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つ場合、時系列予測でしばしば発生する設定にまで分析を拡張します。
  論文  参考訳（メタデータ） (2024-08-08T17:27:29Z)
• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• 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)
• Causal inference for the expected number of recurrent events in the presence of a terminal event [0.2446672595462589]
  終端故障イベントを伴う繰り返しイベントデータにおける因果推論のための多元的ロバストな推定フレームワークを開発する。 条件付き独立検閲よりも弱い条件下で推定値が識別可能であることを示す。
  論文  参考訳（メタデータ） (2023-06-28T21:31:25Z)
• Continuous Risk Measures for Driving Support [0.0]
  モデルに基づくリスク尺度を3つ比較し,そのステンジスを評価し,定量的に定性的に検証した。 我々は,スパース臨界事象といわゆる生存条件の統計に基づいて,新たなリスク尺度を導出する。 その結果、サバイバル分析により、その固い理論的根拠によって支持される近クレーシュおよび非クレーシュのケースにおいて、早期発見時のクラッシュと偽陽性検出の少ないことが判明した。
  論文  参考訳（メタデータ） (2023-03-14T15:54:37Z)
• Gaussian Process Nowcasting: Application to COVID-19 Mortality Reporting [2.8712862578745018]
  計測過程の遅延による信号の観測の更新は、信号処理において一般的な問題である。 本稿では,報告時間遅延面に存在する自己相関構造の変化を記述可能な潜在ガウス過程を用いた柔軟なアプローチを提案する。 このアプローチは、現在予測されている死者数に対する不確実性の堅牢な推定も生み出す。
  論文  参考訳（メタデータ） (2021-02-22T18:32:44Z)
• 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)

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。