Prediction of Survival Probability Based on a Linear Regression Model
基于线性回归模型预测生存概率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：摘要讨论患者生存预测，不能据此归入宏观预测或金融收益预测。
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…
基于线性回归模型预测生存概率
- 研究问题
- 用线性回归模型拟合生存数据后，如何预测具有给定协变量的新患者在指定年限的生存概率或中位失效时间？
- 方法与思路
- 作者提出简单的生存预测程序，避免使用摘要所称复杂且不稳定的非参数泛函估计，并以心脏移植数据示例。
- 材料陈述的贡献
- 摘要明确提出从生存回归拟合结果生成未来患者预测的方法，并用 Stanford 心脏移植数据展示其应用。
- 阅读关注点
- 应核对生存时间的回归形式、删失处理、预测量的构造，以及概率取值约束、预测不确定性和验证方法。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。摘要未说明删失假设、理论保证或与其他预测方法的数值比较。
原文摘要
After fitting survival data with a linear regression model, it is important to know how to use the results to make prediction of the t-year survival probability or median failure time for future patients with certain covariates. We propose some simple prediction procedures without using complicated and unstable nonparametric functional estimates. The new methods are illustrated with the Stanford heart transplant data.