Bayesian Arc Length Survival Analysis Model (BALSAM): Theory and Application to an HIV/AIDS Clinical Trial
贝叶斯弧长生存分析模型：理论与艾滋病临床试验应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究生物标志物与生存风险，随机波动并非金融波动率，亦未明确对应所列其他细分方向。
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…
贝叶斯弧长生存分析模型：理论与艾滋病临床试验应用
- 研究问题
- 当纵向生物标志物的累积变化而非仅瞬时水平影响死亡风险时，如何量化这种变化并纳入容许测量误差的生存分析？
- 方法与思路
- 作者以曲线弧长度量时间上的累积变化，将联合模型、分布滞后模型与弧长整合为贝叶斯生存分析框架 BALSAM。
- 材料陈述的贡献
- 摘要提出统一框架并开展模拟，在 HIV/AIDS 临床试验中研究 CD4 计数累积变化与死亡的关系，同时考虑测量误差和相关变量。
- 阅读关注点
- 应核对弧长对轨迹平滑程度的依赖、累积变化进入风险率的方式，以及纵向与生存过程联合建模的条件和解释。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明完整模型条件、应用效应大小或因果解释所需假设。
原文摘要
Stochastic volatility often implies increasing risks that are difficult to capture given the dynamic nature of real-world applications. We propose using arc length, a mathematical concept, to quantify cumulative variations (the total variability over time) to more fully characterize stochastic volatility. The hazard rate, as defined by the Cox proportional hazards model in survival analysis, is assumed to be impacted by the instantaneous value of a longitudinal variable. However, when cumulative variations pose a significant impact on the hazard, this assumption is questionable. Our proposed Bayesian Arc Length Survival Analysis Model (BALSAM) infuses arc length into a united statistical framework by synthesizing three parallel components (joint models, distributed lag models, and arc length). We illustrate the use of BALSAM in simulation studies and also apply it to an HIV/AIDS clinical trial to assess the impact of cumulative variations of CD4 count (a critical longitudinal biomarker) on mortality while accounting for measurement errors and relevant variables.