Predictive accuracy of covariates for event times
协变量对事件发生时间的预测准确性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：摘要研究临床事件时间预测，未涉及宏观预测、收益预测或明确的分布效应分析。
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…
协变量对事件发生时间的预测准确性
- 研究问题
- 如何以具有临床解释的图形指标衡量协变量对生存时间或复发事件时间的预测能力，并比较不同协变量集合？
- 方法与思路
- 作者提出广义阴性预测函数，刻画按协变量线性组合阈值分组后的无事件概率，并构造右删失下的非参数估计与bootstrap。
- 材料陈述的贡献
- 摘要称该函数在真正相关的协变量集合处最大，建立估计过程的高斯弱极限与bootstrap有效性，并提供模拟和临床应用。
- 阅读关注点
- 应核对阈值和协变量组合的确定方式、函数最大化结论的条件，以及删失处理、过程推断和bootstrap实施细节。
- 阅读边界
- 仅据版本未注明的索引摘要；最大化结论与删失处理的条件未展开，不能推断变量选择一致性、因果含义或刊本变化。
原文摘要
We propose a graphical measure, the generalized negative predictive function, to quantify the predictive accuracy of covariates for survival time or recurrent event times. This new measure characterizes the event-free probabilities over time conditional on a thresholded linear combination of covariates and has direct clinical utility. We show that this function is maximized at the set of covariates truly related to event times and thus can be used to compare the predictive accuracy of different sets of covariates. We construct nonparametric estimators for this function under right censoring and prove that the proposed estimators, upon proper normalization, converge weakly to zero-mean Gaussian processes. To bypass the estimation of complex density functions involved in the asymptotic variances, we adopt the bootstrap approach and establish its validity. Simulation studies demonstrate that the proposed methods perform well in practical situations. Two clinical studies are presented.