Conformalized survival analysis
保形化生存分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究删失生存时间的预测覆盖，未明确涉及所列因果、面板或分布效应等计量细分方向。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
保形化生存分析
- 研究问题
- 如何在右删失生存数据中，为不同协变量取值构造生存时间的预测下界，并明确其覆盖保证所依赖的条件？
- 方法与思路
- 作者以保形预测包装任意生存预测算法，分别研究完全外生删失和条件独立删失下的预测下界及覆盖性质。
- 材料陈述的贡献
- 摘要称，完全外生删失下可获有限样本覆盖保证；条件独立删失下，删失机制或条件生存函数估计良好即可近似保证边际覆盖。
- 阅读关注点
- 应核对两种删失条件的定义、校准样本的构造，以及双重稳健覆盖误差如何取决于两个辅助函数的估计质量。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断近似覆盖的误差界和效率表现；依赖协变量的下界不等于具有条件覆盖保证。
原文摘要
Abstract In this paper, we develop an inferential method based on conformal prediction, which can wrap around any survival prediction algorithm to produce calibrated, covariate-dependent lower predictive bounds on survival times. In the Type I right-censoring setting, when the censoring times are completely exogenous, the lower predictive bounds have guaranteed coverage in finite samples without any assumptions other than that of operating on independent and identically distributed data points. Under a more general conditionally independent censoring assumption, the bounds satisfy a doubly robust property which states the following: marginal coverage is approximately guaranteed if either the censoring mechanism or the conditional survival function is estimated well. The validity and efficiency of our procedure are demonstrated on synthetic data and real COVID-19 data from the UK Biobank.