Flexible Methods for Analyzing Survival Data Using Splines, with Applications to Breast Cancer Prognosis
利用样条灵活分析生存数据：乳腺癌预后应用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：摘要直接涉及生存分析与样条建模，所列细分中没有对应方向，也未提供因果推断依据。
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
利用样条灵活分析生存数据：乳腺癌预后应用
- 研究问题
- 如何在删失生存数据中灵活描述乳腺癌复发时间，并考察预后随连续协变量变化以及协变量效应随随访时间变化的规律？
- 方法与思路
- 作者用少量固定节点的样条建模，通过惩罚偏似然估计参数，并提出类似传统似然分析的检验统计量及其分布近似。
- 材料陈述的贡献
- 摘要称这些方法在临床试验数据分析中帮助描述连续协变量与预后的关系，以及协变量效应随随访时间改变的模式。
- 阅读关注点
- 应核对删失机制要求、节点与惩罚强度选择、时间变化效应的设定，以及所提检验分布近似的推导和有限样本表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。摘要未说明删失假设和具体临床结果，不能把预后关联解释为因果效应。
原文摘要
In this article some flexible methods for modeling censored survival data using splines are applied to the problem of modeling the time to recurrence of breast cancer patients. The basic idea is to use fixed knot splines with a fairly modest number of knots to model aspects of the data, and then to use penalized partial likelihood to estimate the parameters of the model. Test statistics are proposed which are analogs of those used in traditional likelihood analysis, and approximations to the distributions of these statistics are suggested. In an analysis of a large data set taken from clinical trials conducted by the Eastern Cooperative Oncology Group, these methods are seen to give useful insight into how prognosis varies as a function of continuous covariates, and also into how covariate effects change with follow-up time.