随机生存森林在高维基因组数据生存分析中的应用

• 作者: 侯艳 宋欠欠 李康 武晓岩
• 来源期刊: 中国卫生统计
• 关键词: 随机生存森林 偏Cox回归 生存预测 变量筛选
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 论著
• 页码范围: 786-789
• 页数: 4页
• 字数: 3383字
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李康	哈尔滨医科大学卫生统计学教研室	95	646	15.0	21.0
2	武晓岩	哈尔滨医科大学卫生统计学教研室	11	261	9.0	11.0
3	侯艳	哈尔滨医科大学卫生统计学教研室	39	143	6.0	10.0
4	宋欠欠	哈尔滨医科大学卫生统计学教研室	2	20	2.0	2.0