Inferences and machine learning methods for multivariate time-to-event data with incomplete information

不完整信息的多元事件时间数据的推理和机器学习方法

基本信息

批准号：
21K11783
负责人：
杉本知之
金额：
$ 2.58万
依托单位：
Shiga University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本年度は，前年度から行ってきている研究内容をさらに発展させた．具体的には，(1)ランダム効果メタアナリシスのDerSimonian-Laird法に対する正確な推測理論を2値データ・メタアナリシスに展開すること，(2)時間共変量Cox回帰モデルに対する時間変化共変量に対する欠測対応としてガウス過程回帰と多重代入法を用いる方法論を実データ解析に応用すること，(3)経時測定データに対する決定木など機械学習の方法論を精緻化して構築すること，(4)2変量生存時間モデル，群逐次デザインの研究を行い，セミ競合リスクのもとで，どのようにログランク統計量が2変量分布をもつかの結果に基づいて，情報寄与あり中途打ち切りを加味した調整の研究などを行った．(1)の研究では，先行研究において連続データに対するDerSimonian-Laird法のAlmost正確推測理論を，2値データの対数オッズに置き換えたものを考えたが，試験内分散と試験間分散の間に構造的に相関を持つという問題により，連続データに対するAlmost正確推測理論の直截な適用は限界があった．それでも，既存手法よりは，ある程度統計的性能が改善することを得て，シミュレート研究を行い，論文化を行った．(2)の研究も前年度までの進行に加え，研究協力者から実データを入手して論文化を進める準備を行った．(3)の研究では決定木の構成に用いる分岐候補を選ぶ検定統計量として共変量方向と共変量と時間の交互作用方向があり，それらの理論分布の性質を調べ，決定木の構成における第1種の過誤確率を検討している．これらの研究について，いくつかの学会発表や論文発表などを行った．

今年，我们进一步拓展了去年以来一直在进行的研究内容。具体来说，我们将 (1) 将随机效应荟萃分析的 DerSimonian-Laird 方法的精确推理理论扩展到二元数据荟萃分析，以及 (2) 研究时间协变量 Cox 回归模型中时变协变量的缺乏. 将高斯过程回归和多重插补方法应用于实际数据分析。 (3) 完善和构建纵向测量数据的决策树等机器学习方法； (4) 研究双变量生存时间模型和组序贯设计，以确定对数秩统计量是否具有双变量分布的结果。进行了考虑信息贡献和提前终止的调整研究。在研究(1)中，我们考虑用二元数据的对数赔率来替代先前研究中DerSimonian-Laird方法对连续数据几乎精确的估计理论，但试验内方差和试验间方差之间没有结构的直接应用。由于物理相关性的问题，对连续数据几乎准确的猜测理论受到了限制。尽管如此，我们发现统计性能比现有方法有一定的提高，并进行了模拟研究并发表了论文。除了前一年研究（2）取得的进展外，我们还从研究合作者那里获得了实际数据，并准备以论文形式发表。在研究（3）中，协变量方向以及协变量与时间的交互方向被用作选择用于决策树构建的分支候选的检验统计量，并研究了它们的理论分布的性质，并且我们正在考虑一类错误可能性。关于这些研究，我们做了几次会议演讲和论文演讲。