論文の概要: Functional Clustering of Survival Data via Smoothed Log-Hazard Trajectories: A Risk-Dynamics Perspective

• arxiv url: http://arxiv.org/abs/2606.01239v1
• Date: Sun, 31 May 2026 13:40:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.464625
• Title: Functional Clustering of Survival Data via Smoothed Log-Hazard Trajectories: A Risk-Dynamics Perspective
• Title（参考訳）: Smoothed Log-Hazard Trajectoriesによる生存データのクラスタリング:リスク・ダイナミクスの観点から
• Authors: Anna De Magistris, Elvira Romano, Fabrizio Maturo,
• Abstract要約: 本稿では, 累積生存確率から即時リスクへ分析的焦点を移すことにより, 生存データのクラスタリングについて検討する。 我々は、リスクの時間的進化を捉える機能オブジェクトとして、スムーズなログハザード軌道をモデル化する。 その結果,ログハザードに基づく機能クラスタリングフレームワークは,相対的時間的リスクダイナミクスの解釈可能な表現を提供することがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates clustering in survival data by shifting the analytical focus from cumulative survival probabilities to instantaneous risk, as characterized by the hazard function. We model smoothed log-hazard trajectories as functional objects that capture the temporal evolution of risk and propose a clustering framework based on Functional Principal Component Analysis applied to B-spline smoothed log-hazard trajectories. The number of retained functional principal components is selected before clustering using a 95% cumulative explained-variance rule, and clustering is then performed on the unstandardized FPCA scores. The proposed methodology is evaluated through simulation studies covering progressively complex scenarios, including overlapping and crossing hazard functions, cohort imbalance, heterogeneous risk profiles, and outlier contamination. The framework is further illustrated on two real-world clinical datasets, the German Breast Cancer Study and the Primary Biliary Cirrhosis dataset. Results show that the proposed log-hazard-based functional clustering framework provides an interpretable representation of relative temporal risk dynamics, with competitive internal cohesion and explicit robustness diagnostics when compared with cumulative-survival-based benchmarks.
• Abstract（参考訳）: 本稿では, リスク関数の特徴として, 累積生存確率から即時リスクへ分析的焦点を移すことにより, 生存データのクラスタリングについて検討する。 リスクの時間的進化を捉えた機能オブジェクトとしてスムーズなログハザード軌道をモデル化し,B-スプラインスムーズなログハザード軌道に適用した機能主成分分析に基づくクラスタリングフレームワークを提案する。 保持される機能主成分の数は95%の累積説明分散則を用いてクラスタリングの前に選択され、非標準化FPCAスコア上でクラスタリングが行われる。 提案手法は, オーバーラップ・クロスハザード関数, コホート不均衡, 異種リスクプロファイル, 外部汚染など, 進行的に複雑なシナリオをカバーするシミュレーション研究を通じて評価された。 このフレームワークは、ドイツ乳癌研究と原発性胆汁性肝硬変データセットの2つの実際の臨床データセットでさらに説明されている。 その結果, 対数ハザードに基づく機能クラスタリングフレームワークは, 累積生存型ベンチマークと比較した場合, 競合する内部凝集と明確な堅牢性診断を伴って, 相対的時間的リスクダイナミクスの解釈可能な表現を提供することがわかった。

関連論文リスト

• K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
  K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。 提案手法はシミュレーションと実世界の応用を通して評価する。
  論文  参考訳（メタデータ） (2026-05-14T13:35:44Z)
• TraCeR: Transformer-Based Competing Risk Analysis with Longitudinal Covariates [0.0]
  TraCeRはトランスフォーマーベースの生存分析フレームワークである。 一連の測定結果からハザード関数を推定する。 複数の実世界のデータセットの実験は、実質的で統計的に重要なパフォーマンス改善を示している。
  論文  参考訳（メタデータ） (2025-12-19T23:24:47Z)
• Deep Survival Analysis for Competing Risk Modeling with Functional Covariates and Missing Data Imputation [13.108896747775063]
  本稿では、競合リスク下での離散時間生存分析のための統合ディープラーニングフレームワークFCRNを紹介する。 関数データ表現のためのマイクロネットワークバス層と勾配ベースの計算モジュールを組み合わせることで、FCRNは、欠落した値をインプットし、イベント固有のハザードを予測することを同時に学習する。
  論文  参考訳（メタデータ） (2025-09-29T18:33:00Z)
• Learning Massive-scale Partial Correlation Networks in Clinical Multi-omics Studies with HP-ACCORD [9.759451770552284]
  マルチオミクスデータ解析のための新しい擬似類似性に基づくグラフィカル・モデル・フレームワークを提案する。 提案した推定器は,高次元仮定下での様々な指標における推定と選択の整合性を維持する。 最大100万変数のシミュレーションデータを用いて,本フレームワークの高性能コンピューティング実装を検証した。
  論文  参考訳（メタデータ） (2024-12-16T08:38:02Z)
• HACSurv: A Hierarchical Copula-Based Approach for Survival Analysis with Dependent Competing Risks [51.95824566163554]
  本稿では,階層型アルキメデスコピュラス構造を学習する生存分析手法であるHACSurvを紹介する。 リスクと検閲の間の依存関係をキャプチャすることで、HACSurvは生存予測の精度を向上させる。
  論文  参考訳（メタデータ） (2024-10-19T18:52:18Z)
• Provable Risk-Sensitive Distributional Reinforcement Learning with General Function Approximation [54.61816424792866]
  本稿では,リスク感性分布強化学習(RS-DisRL)と静的リプシッツリスク対策(LRM),一般関数近似について紹介する。 モデルに基づく関数近似のためのモデルベース戦略であるtextttRS-DisRL-M と、一般値関数近似のためのモデルフリーアプローチである textttRS-DisRL-V の2つの革新的なメタアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-02-28T08:43:18Z)
• Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
  因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。 本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。 提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
  論文  参考訳（メタデータ） (2021-11-15T03:16:56Z)
• Robust High-Dimensional Regression with Coefficient Thresholding and its Application to Imaging Data Analysis [7.640041402805495]
  実世界の画像データにおいて、複雑な依存と可能な外れ値の両方が存在する場合、高次元データを解析するための統計的手法を開発することが重要である。
  論文  参考訳（メタデータ） (2021-09-30T05:29:54Z)
• Learning Neural Causal Models with Active Interventions [83.44636110899742]
  本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。 本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。 シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-06T13:10:37Z)

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。