Communication-Efficient Distributed Estimation and Inference for Cox's Model
Cox 模型的通信高效分布式估计与推断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。
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：摘要聚焦生存分析和分布式推断，未明确对应所列经济或金融计量细分方向。
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…
关注这篇论文的作者
Cox 模型的通信高效分布式估计与推断
- 研究问题
- 在无法共享个体数据的多中心研究中，如何以较少通信完成高维稀疏 Cox 模型估计、置信区间和坐标假设检验？
- 方法与思路
- 作者设计迭代分布式算法，结合去偏估计、中心极限定理和一致方差估计构造区间，并以去相关得分进行坐标检验。
- 材料陈述的贡献
- 摘要称较少迭代即可达到完整样本估计的收敛速率，支持时变协变量与删失，并报告模拟和真实数据中的比较表现。
- 阅读关注点
- 应核对稀疏性、中心异质性与删失条件、通信内容和迭代次数，以及分布式区间和检验达到有效性的具体要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未展开所谓温和条件及比较细节，不共享个体数据也不等于正式隐私保证。
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.