大数据中Cox比例风险模型的拟合.pptxVIP

大数据中Cox比例风险模型的拟合——Cox-OSES估计量

目录背景内容引言DAC方法最大部分似然估计以及标准方法方法介绍Cox-OSES估计量Cox-OSES估计量的应用模拟研究实例扩展

Part1背景内容

背景内容大型生物样本库生存分析半参数Cox比例风险模型最大化部分似然估计关键点

最大部分似然估计以及标准方法?最大部分似然估计

最大部分似然估计以及标准方法?

最大部分似然估计以及标准方法??标准方法

DAC方法（divided-and-conquer）基于线性化的DAC计算1个块的初始最大部分似然估计，并在2次迭代中使用得分函数和每个单独子集的信息矩阵迭代更新估计加权DAC计算每个区块的最大部分似然估计，并产生估计的加权平均值以块大小为权重的DAC以信息矩阵为权重的DACDAC方法分类分布式计算架构下计算效率高需要对每个数据子集单独估计基线危险函数，可能导致数值不稳定并降低统计效率。特点

Part2方法介绍

方法介绍——Cox-OSES估计量?Cox-OSES估计量具体步骤?

方法介绍——Cox-OSES估计量?具体步骤

方法介绍——Cox-OSES估计量?

方法介绍——Cox-OSES的应用Cox-OSES估计量可用于变量选择目标函数最小化：其中，λ是控制惩罚水平的参数，λ≥0 γ是预设的正数，后续模拟研究和实例中，γ=1采用R包glmnet实现

方法介绍——Cox-OSES的条件?

Part3模拟研究

模拟研究——变量选择?

模拟研究??其他设置?

模拟研究DAC-linearization→基于线性化的DAC方法DAC-size→以块大小为权重的加权DAC方法DAC-information→以信息矩阵为权重的加权DAC方法?软件实现简称/biometrics/article/80/1/ujae018/7630882#supplementary-data

模拟研究——模拟一

模拟研究——模拟二

模拟研究

模拟研究罕见事件模拟?

Part4实例扩展

实例扩展——UKB数据?主要步骤

参考文献Wang,J.,Zeng,D.,Lin,D.Y.(2024).FittingtheCoxproportionalhazardsmodeltobigdata.Biometrics,80(1),ujae018.Wang,W.,Lu,S.-E.,Cheng,J.Q.,Xie,M.andKostis,J.B.(2022).Multivariatesurvivalanalysisinbigdata:adivide-and-combineapproach.Biometrics,78,852–866.Wang,Y.,Hong,C.,Palmer,N.,Di,Q.,Schwartz,J.,Kohane,I.etal.(2021).Afastdivide-and-conquersparseCoxregression.Biostatistics,22,381–401.Andersen,P.K.andGill,R.D.(1982).Cox’sregressionmodelforcountingprocesses:alargesamplestudy.TheAnnalsofStatistics,10,1100–1120.Bi,W.,Fritsche,L.G.,Mukherjee,B.,Kim,S.andLee,S.(2020).Afastandaccuratemethodforgenome-widetime-to-eventdataanalysisanditsapplicationtoUKbiobank.TheAmericanJournalofHumanGenetics,107,222–233.Friedman,J.H.,Hastie,T.andTibshirani,R.(2010).Regularizationpathsforgeneralizedlinearmodelsviacoordinatedescent.JournalofStatisticalSoftware,33,1–22.Zeng,D.andLin,D.Y.(2007).Maximumlikelihoodestimationinsemiparametricregressionmodelswithcenso