Survival analysis via hierarchically dependent mixture hazards
基于层次依赖混合风险率的生存分析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：摘要研究多样本生存模型与贝叶斯先验，未明确涉及面板结构、因果识别或所列其他方向。
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…
基于层次依赖混合风险率的生存分析
- 研究问题
- 如何为多个样本各自的基准风险率设置相互依赖且可解析处理的非参数先验，并支持含删失与协变量的生存推断？
- 方法与思路
- 作者通过层次化混合随机测度构造多元混合风险率先验，刻画后验，并据此设计边际与条件贝叶斯计算算法。
- 材料陈述的贡献
- 摘要称建立完整贝叶斯分析及后验一致性，允许右删失和协变量，并以合成数据与真实数据例子展示方法。
- 阅读关注点
- 应核对层次依赖的构造、删失机制与协变量进入模型的方式，以及后验一致性的条件和两类算法的实现。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；一致性条件、数据细节及数值结果未说明，不能推断因果效应或普遍优势。
原文摘要
Hierarchical nonparametric processes are popular tools for defining priors on collections of probability distributions, which induce dependence across multiple samples. In survival analysis problems, one is typically interested in modeling the hazard rates, rather than the probability distributions themselves, and the currently available methodologies are not applicable. Here, we fill this gap by introducing a novel, and analytically tractable, class of multivariate mixtures whose distribution acts as a prior for the vector of sample-specific baseline hazard rates. The dependence is induced through a hierarchical specification of the mixing random measures that ultimately corresponds to a composition of random discrete combinatorial structures. Our theoretical results allow to develop a full Bayesian analysis for this class of models, which can also account for right-censored survival data and covariates, and we also show posterior consistency. In particular, we emphasize that the posterior characterization we achieve is the key for devising both marginal and conditional algorithms for evaluating Bayesian inferences of interest. The effectiveness of our proposal is illustrated through some synthetic and real data examples.