您当前的位置：
首页 > 文献资料
所属专业：
偏Cox回归文献资料
-
随机生存森林在高维基因组数据生存分析中的应用
目的 探讨随机生存森林(RSF)在高维基因组数据生存分析中的应用和适用性.方法 通过模拟实验和实际数据分析,对随机生存森林、生存支持向量机(SSVM)和偏Cox回归(PCR)三种方法进行比较,并用生存预测的一致性错误率对其进行评价.结果 模拟实验表明,在有交互作用的情况下,RSF的log-rank和logrankscore方法的预测效果均优于SSVM和PCR方法;实际数据分析结果显示,随机生存森林与生存支持向量机和偏Cox回归的预测效果相近,应用RSF方法筛选变量后建立的RSF模型能够在一定程度上提高预测效果.结论 随机生存森林方法适用于高维生存数据的研究,对疾病的生存时间预测和预后因素分析具有实用价值.
-
有监督的主成分分析和偏Cox回归模型在基因数据生存预测中的应用
目的 探讨有监督的主成分分析及偏Cox回归模型在基因数据生存预测中的应用.方法 针对基因数据的协变量个数大于样本例数,以及变量间存在相关性等特点进行模拟研究,并对国际上公开的三个基因数据集进行分析,考察两种模型的预测性能.结果 模拟研究显示随着影响生存的基因块的方差的增大以及组内相关系数的增高,两种方法的预测性能变好；随着删失比例的增加,两种方法的预测性能变差.实例分析提示不同的数据集适方法不同.结论 SuperPC 和偏Cox回归都适用于基因数据的生存分析.在模拟中SuperPC比偏Cox回归的表现好,但偏Cox回归计算速度较快.
