تحلیل دادەهای بقا با روش های یادگیری آماری

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 125

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_STAT-18-2_011

تاریخ نمایه سازی: 21 آذر 1403

چکیده مقاله:

با توجه به حجم و پیچیدگی  داده های نوظهور در تحلیل بقا، بکارگیری روش های یادگیری آماری در این حوزه به امری اجتناب ناپذیر بدل شده است. این روش ها قادر به برآورد احتمال بقا و تاثیر عوامل مختلف بر بقا هستند. در این مقاله، عملکرد مدل کاکس به عنوان یک مدل رایج در تحلیل بقا با روش های مبتنی بر تاوان مانند کاکس ریج و لاسو و  روش های مبتنی بر یادگیری آماری مانند جنگل بقای تصادفی و شبکه عصبی مورد مقایسه قرار گرفته است. نتایج شبیه سازی ها در این مطالعه نشان می دهد که در شرایط وجود رابطه خطی بین متغیرها، عملکرد مدل های مذکور تقریبا مشابه مدل کاکس است اما در حالات غیرخطی و بالا بودن بعد متغیرها، روش هایی مانند کاکس لاسو، جنگل بقای تصادفی و شبکه عصبی عملکرد بهتری دارند. درنهایت به منظور ارزیابی عملکرد این مدل ها در تحلیل داده های بیماران مبتلا به آترواسکلروز مورد استفاده قرار گرفتند و نتایج نشان داد که در مواجهه با داده هایی با تعداد متغیرهای تبیینی زیاد، رویکردهای یادگیری آماری به طور کلی عملکرد بهتری نسبت به مدل های کلاسیک تحلیل بقا دارند.

نویسندگان

مهرنوش مددی

Department of Statistics, Tarbiat Modares University

کیومرث مترجم

Department of Statistics, Tarbiat Modares University

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Breiman, L. (۲۰۰۱), Random Forests, Machine Learning ۴۵}, ۱, ۵-۳۲ ...
  • Cox, R. D. (۱۹۷۵), Partial Likelihood, Biometrika, ۶۲, ۲ (۱۹۷۵), ...
  • Crowther, J and Lambert, P. C. (۲۰۱۳), Simulating biologically plausible ...
  • Davis, R. B. and Anderson, J. R. (۱۹۸۹), Exponential Survival ...
  • Destras, O., Le Beux, S., De Magalhães, F. G., and ...
  • Faraggi, D. and Simon R. (۱۹۹۵), A Neural Network Model ...
  • Harrell, F. E., Cali, R. M., Pryor, D. B., Lee, ...
  • Harrell, F. E. (۲۰۰۱). Regression modeling strategies: with applications to ...
  • Hastie, T. and Tibshirani, R. (۱۹۹۰), Generalized Additive Models, Chapman ...
  • Henderson, R. (۱۹۹۵), Problems and prediction in survival-data analysis, Statistics ...
  • Ishwaran, H., Kogalur, U. B., Blackstone, E.H. and Lauer, M. ...
  • LeBlanc, M. and Crowley J. (۱۹۹۳), Survival Trees by Goodness ...
  • Liu, L., Yang, F., Fan, Y., Kao, C., Wang, F., ...
  • Robins, J. M. and Rotnitzky, A. (۱۹۹۲), Recovery of Information ...
  • Shimokawa, A., Kawasaki, Y. and Miyaoka, E. (۲۰۱۵), Comparison of ...
  • Simon, N., Friedman, J., Hastie, T. and Tibshirani, R. (۲۰۱۱), ...
  • Smith, J. (۲۰۲۰).The impact of technology on data analysis. Journal ...
  • Smith, J., and Jones, A. (۲۰۲۰). Application of statistical learning ...
  • Tibshirani, R. (۱۹۹۷), The Lasso Method for Variable Selection in ...
  • Utkin, L. V., Konstantinov, A. V., Chukanov, V. S., Kots, ...
  • Wang, D. and Gao, Z., (۲۰۲۳). Distributed Finite-Time Optimization Algorithms ...
  • مترجم، ک. (۱۴۰۰)، معرفی یک مدل بقای فضایی با اثرات ...
  • نمایش کامل مراجع