تحلیل دادەهای بقا با روش های یادگیری آماری

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.

کلیدواژه ها:

Survival Analysis ، Statistical Learning ، Cox Model ، Random Survival Forest ، Neural Network. ، تحلیل بقا ، یادگیری آماری ، مدل کاکس ، جنگل بقای تصادفی ، شبکه عصبی