Evaluating Prediction Rules for t -Year Survivors With Censored Regression Models
利用删失回归模型评估 t 年生存者预测规则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：摘要研究生存预测规则的统计评估，未涉及经济离散选择、宏观预测或金融收益预测。
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
利用删失回归模型评估 t 年生存者预测规则
- 研究问题
- 如何在生存结局存在删失时评估未来 t 年生存者的二元预测规则，并为不同规则的误分类率等指标差异提供推断？
- 方法与思路
- 作者采用代入和交叉验证程序估计误分类率、敏感度、特异度及预测值，推导非光滑估计量的大样本分布近似。
- 材料陈述的贡献
- 摘要称，相关精度指标可一致估计，分布近似无需工作模型正确设定，并可据此构造两种规则指标差异的置信区间。
- 阅读关注点
- 应核对删失机制所需条件、模型错设下评估的具体对象，以及交叉验证程序与非光滑指标的方差和区间构造。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失假设和渐近条件未说明，无需工作模型正确不代表允许任意删失或数据依赖。
原文摘要
Suppose that we are interested in establishing simple but reliable rules for predicting future t-year survivors through censored regression models. In this article we present inference procedures for evaluating such binary classification rules based on various prediction precision measures quantified by the overall misclassification rate, sensitivity and specificity, and positive and negative predictive values. Specifically, under various working models, we derive consistent estimators for the above measures through substitution and cross-validation estimation procedures. Furthermore, we provide large-sample approximations to the distributions of these nonsmooth estimators without assuming that the working model is correctly specified. Confidence intervals, for example, for the difference of the precision measures between two competing rules can then be constructed. All of the proposals are illustrated with real examples, and their finite-sample properties are evaluated through a simulation study.