该工具箱为比例风险回归模型实现了灵活的参数生存分析,具有可选的权利审查。主要有三个功能:
- Flexph():参数比例风险回归;
- Flexphreg():弹性净正则化的参数比例风险回归;
- Flexphcr():竞争风险数据的参数比例风险回归。
我们有五种参数基线风险函数:指数、威布尔、自然三次样条、对数-逻辑样条和积分样条(或i-样条);请看下面的数学细节。
令t = (t_1,…, t_n)表示n个时间到事件的数据点。我们将t时刻的危险函数建模为:
h(t) = h_0(t) exp(z'*) t > 0, \in R^p
其中z是协变量向量,h_0(t)是下面将要讨论的基线危险函数。累积危险函数为
H(t) = H_0(t) exp(z'*beta)
其中H_0(t)为累积基线危险。生存函数是
S (t) = exp (- h (t)) = exp (-H_0 (t)) ^ exp (z ' *β)= S_0 (t) ^ exp (z ' *β)
其中S_0(t)=exp(-H_0(t))是基线生存函数。根据Royston和Mahesh(2002),我们将累积危险函数H(t)的对数写成:
log H(t) = log H_0(t) + z'* = s(t) + z'*
式中s(t)为参数日志累积基线危险函数,该函数可能依赖于其他参数。s(t)的类型是用参数modeltype选择的。可能的选项有:
(1)“exp”:指数基线危险[指数回归]
日志累积基线危险:s(t) = gamma_0 + Log (t)
(2)“自然”:自然三次样条
基线累积危险拟合使用具有m个内节的自然三次样条(k_min,k_1,…k_m,k_max)。令x = log(t)我们有:
S (t) = gam0 + gam1 x + gam2 v_1(x) +…
其中第j个基函数v_j(x)为:
v_j (x) = max (0, x-k_j) ^ 3 - lam_j马克斯(0,x-k_min) ^ 3 - (1-lam_j)马克斯(0,x-k_max) ^ 3
Lam_j = (k_max - k_) / (k_max - k_min)。
参数m>0决定了节数。更多的技术细节,请参见Royston and Mahesh(2002)。
(3)'log-logistic: log-logistic基线危险
(4)“威布尔”:威布尔基线危险[威布尔回归]
日志累积基线危险:s(t) = gamma_0 + gamma_1 x
(5)ispline:积分样条。
所有函数都允许使用参数d = (d_1,…, d_n),其中d(i)=0,表示删失数据点。
有关用法的示例,请参见示例[1-10].m。
化学式용양식
Statovic(2023)。弹性网柔性参数生存分析(//www.ru-cchi.com/matlabcentral/fileexchange/119998-flexible-parametric-survival-analysis-with-the-elastic-net), MATLAB中央文件交换。검색됨.
罗伊斯顿,帕特里克,马赫什·k·b·帕尔玛。“筛选生存数据的灵活参数比例风险和比例优势模型,应用于预后建模和治疗效果估计。”《医学统计学》第21卷,第1期。15,王晓明,2002,pp. 374 - 379, doi:10.1002/sim.1203。
Matlab릴리스호환정보
개발환경:R2022b
모든릴리스와호환
플랫폼호환성
窗户 macOS Linux태그
버전 | 게시됨 | 릴리스정보 | |
---|---|---|---|
0.60 | 增加了flexphcr()用于竞争风险分析和相应的CIF函数 |
||
0.55 | 增加了一个函数来计算弹性网路径上任意模型的基线生存和危险函数 |
||
0.51 | 修复2022年之前Matlab版本中fitcox()行为的变化 |
||
0.5 | -增加flexphreg()用于弹性网络正则化 |
||
0.4 | 增加了log-logistic基线危险功能(选项'log-logistic') |
||
0.3 | -更好的参数初始化 |
||
0.2.1 | 修正了在Matlab 2022b中使用fitcox()估算基线危险的问题 |
||
0.2.0 | -添加指数和威布尔比例风险回归模型 |
||
0.1.0 |