Survival of the fittest Cox model: Pivotal variable selection for time-to-event data
适者生存的Cox模型：生存数据中的枢轴变量选择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：摘要讨论Cox比例风险模型的变量选择与偏似然正则化，属于生存分析统计方法，未直接对应所提供的微观、宏观或金融领域细分，故留空。
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
适者生存的Cox模型：生存数据中的枢轴变量选择
- 研究问题
- 摘要称，本文重新审视Cox比例风险模型，研究如何在生存分析中改进变量选择，尤其是使正则化参数的选择不依赖于未知的基线风险和删失机制。
- 方法与思路
- 作者提出对偏似然做平方根变换，使正则化参数的选择具有枢轴性，从而摆脱未知基线风险与删失机制；该准则结合了BIC等信息准则与lasso等惩罚回归方法。
- 材料陈述的贡献
- 摘要称所得准则兼取信息准则与惩罚回归之长，并在模拟数据和真实数据上相对当前常用的支持恢复方法有显著改进。
- 阅读关注点
- 阅读全文时应核对平方根变换的具体构造、枢轴性成立的识别条件、准则的渐近性质，以及模拟设计与真实数据中支持恢复的评价指标和比较基准。
- 阅读边界
- 仅凭摘要无法判断枢轴性所需假设、理论保证、模拟设定与真实数据来源，也无法核实“显著改进”的幅度；该文为arXiv预印本，未经同行评审验证。
原文摘要
We revisit Cox's proportional hazards model to improve variable selection in survival analysis. A square-root transformation of the partial likelihood renders the selection of the regularization parameter pivotal, free of the unknown baseline hazard and censoring mechanism. The resulting criterion borrows from information criteria such as BIC and from penalized regression methods such as the lasso, taking the best of both. On simulated and real data, our method substantially improves upon state-of-the-art approaches used daily in support recovery.