Prediction of survival probability based on a linear regression model
基于线性回归模型预测生存概率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：摘要预测的是患者生存概率与失效时间，属于生存分析，不能因出现预测就归入宏观预测或收益预测。
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…
基于线性回归模型预测生存概率
- 研究问题
- 用线性回归模型拟合生存数据后，如何为具有给定协变量的新患者预测指定年限的生存概率或中位失效时间？
- 方法与思路
- 作者提出若干简单预测程序，避免使用其所称复杂且不稳定的非参数函数估计，并以心脏移植数据说明方法。
- 材料陈述的贡献
- 摘要明确贡献是从生存回归拟合结果构造生存概率和中位失效时间预测程序；未提供预测误差或优势的数值。
- 阅读关注点
- 应核对线性模型针对何种生存时间尺度、删失如何处理，以及预测程序的分布条件、校准表现与不确定性计算。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；模型形式、删失假设和预测性能未说明，不能认定简单程序普遍更准确。
原文摘要
After fitting survival data with a linear regression model, it is important to know how to use the results to make prediction of the t-year survival probability or median failure time for future patients with certain covariates. We propose some simple prediction procedures without using complicated and unstable nonparametric functional estimates. The new methods are illustrated with the Stanford heart transplant data.