Survival Regression Models With Dependent Bayesian Nonparametric Priors
具有相依贝叶斯非参数先验的生存回归模型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：摘要聚焦生存分析与贝叶斯非参数建模，未明确对应所给领域细分。
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…
具有相依贝叶斯非参数先验的生存回归模型
- 研究问题
- 如何用贝叶斯非参数方法刻画协变量对生存风险的作用，同时允许风险关系偏离比例风险设定？
- 方法与思路
- 作者结合右中性模型与 Cox 比例风险模型，使用相依的贝叶斯非参数先验向量建模风险，并通过 MCMC 实施后验推断。
- 材料陈述的贡献
- 摘要称，模型允许非比例风险并具有潜在竞争风险解释；作者刻画底层相依完全随机测度向量的后验，研究渐近行为。
- 阅读关注点
- 应核对先验依赖结构、非比例风险的表达方式、潜在竞争风险解释，以及后验理论条件和 MCMC 的具体计算步骤。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失处理、渐近结论与可信区间性质未详述，不能推断后续刊本变化。
原文摘要
We present a novel Bayesian nonparametric model for regression in survival analysis. Our model builds on the classical neutral to the right model of Doksum and on the Cox proportional hazards model of Kim and Lee. The use of a vector of dependent Bayesian nonparametric priors allows us to efficiently model the hazard as a function of covariates while allowing nonproportionality. The model can be seen as having competing latent risks. We characterize the posterior of the underlying dependent vector of completely random measures and study the asymptotic behavior of the model. We show how an MCMC scheme can provide Bayesian inference for posterior means and credible intervals. The method is illustrated using simulated and real data. Supplementary materials for this article are available online.