Communication-Efficient Distributed Estimation and Inference for Cox’s Model
Cox模型中通信高效的分布式估计与推断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：摘要聚焦生存模型的分布式高维推断，时变协变量本身不足以归入面板或宏观时间序列。
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
Cox模型中通信高效的分布式估计与推断
- 研究问题
- 多中心研究不能共享个体数据时，如何对高维稀疏Cox模型开展估计、区间推断和检验，同时减少中心之间的通信？
- 方法与思路
- 作者提出迭代分布式算法，利用去偏方法估计系数线性组合，并结合中心极限定理、方差估计与去相关得分检验开展推断。
- 材料陈述的贡献
- 摘要称少量迭代即可达到理想全样本估计的收敛率，给出渐近有效区间和坐标检验，并允许时变协变量及删失生存数据。
- 阅读关注点
- 应核对中心划分、稀疏度与迭代次数条件，明确通信内容和成本，并检查删失、时变协变量及去偏推断所需的假设。
- 阅读边界
- 依据arXiv 2302.12111v3预印本摘要，不能据此声称已同行评审或期刊接收；通信成本、具体条件及刊本变化未说明。
原文摘要
Motivated by multi-center biomedical studies that cannot share individual data due to privacy and ownership concerns, we develop communication-efficient iterative distributed algorithms for estimation and inference in the high-dimensional sparse Cox proportional hazards model. We demonstrate that our estimator, even with a relatively small number of iterations, achieves the same convergence rate as the ideal full-sample estimator under very mild conditions. To construct confidence intervals for linear combinations of high-dimensional hazard regression coefficients, we introduce a novel debiased method, establish central limit theorems, and provide consistent variance estimators that yield asymptotically valid distributed confidence intervals. In addition, we provide valid and powerful distributed hypothesis tests for any coordinate element based on a decorrelated score test. We allow time-dependent covariates as well as censored survival times. Extensive numerical experiments on both simulated and real data lend further support to our theory and demonstrate that our communication-efficient distributed estimators, confidence intervals, and hypothesis tests improve upon alternative methods.