RecForest：面向右删失复发事件数据的随机生存森林新方法及其应用验证

《BMC Medical Research Methodology》：Random survival forests for the analysis of recurrent events for right-censored data, with or without a terminal event

本研究针对医学研究中复发事件数据分析的挑战，提出了RecForest算法，扩展了随机生存森林（RSF）至复发事件框架，支持存在或不存在终止事件的情形。通过模拟与真实数据验证，RecForest在C-index（0.60~0.82）和MSE等指标上均优于传统非参数估计和Ghosh-Lin模型，为高维、缺失数据下的复发事件分析提供了强有力的工具，相关R包已开源。

　　

在医学研究中，患者常常会经历同一事件的多次发生，例如癌症复发、多次住院或重复手术。这类“复发事件”数据在生存分析中具有独特的复杂性：不仅事件会重复出现，还可能存在“终止事件”（如死亡），使得传统的只关注首次事件发生时间的生存模型不再适用。尽管已有如Andersen-Gill模型、脆弱模型（frailty models）等统计方法处理复发事件，但它们通常依赖于线性或低维假设，难以处理高维数据、多重共线性或缺失值等现代医学数据常见的挑战。随机生存森林（RSF）作为机器学习在生存分析中的成功应用，能有效捕捉预测变量与生存结果间的复杂关系，但此前尚未被扩展至复发事件的分析框架。为此，Juliette Murris等研究人员在《BMC Medical Research Methodology》上发表了题为“Random survival forests for the analysis of recurrent events for right-censored data, with or without a terminal event”的研究，开发了名为RecForest的新算法，填补了这一空白。

为开展研究，作者主要采用了以下几种关键技术方法：基于集成学习的随机森林框架，通过Bootstrap抽样构建多棵生存树；针对复发事件的特点，设计了新的节点分裂规则，分别采用伪得分检验（无终止事件时）或Wald检验（基于Ghosh-Lin模型，有终止事件时）来最大化组间差异；在终端节点内使用加权估计量计算累积期望事件数（结合逆概率加权处理终止事件导致的Informative censoring）；模型性能通过专门为复发事件调整的C-index和均方误差（MSE）等指标进行评估；利用Out-of-Bag（OOB）样本进行内部验证和变量重要性（VImp）评估。研究所用数据包括大量模拟数据（涵盖高维、含缺失值、存在多重共线性等场景）以及公开的结直肠癌术后再入院数据（来自R包frailtypack）。

研究结果

模拟研究验证RecForest优越性

研究设置了多种模拟场景（有无终止事件、低维/高维、完整/含缺失数据、随机噪声等），将RecForest与非参数估计（Np）和Ghosh-Lin（GL）模型进行比较。结果显示，在所有场景下，RecForest的C-index均高于GL模型（例如无终止事件时达0.68–0.82，有终止事件时达0.69–0.82），且其集成评分（IScore）显著为正，表明其校准性能优于参考模型。在高维设定（p=300）下，GL模型因未做变量选择而无法实施，RecForest则表现稳健，证明其处理高维数据的能力。

真实数据应用展示实用价值

以结直肠癌术后再入院数据为例，RecForest经过超参数调优（mtry=4, minsplit=2, nodesize=5）后，在10折交叉验证中取得C-index 0.78（±0.07）和IScore 252.10（±14.69），显著优于包括GL模型在内的所有对比方法。变量重要性分析指出Charlson合并症指数为最关键预测因子，而性别和化疗的影响较小。预测曲线显示模型能较好跟踪个体化的事件累积过程。

方法学创新提升分析效能

RecForest的核心创新在于将RSF的节点分裂规则扩展至复发事件背景，并引入针对事件发生率的广义C-index和新型MSE指标，有效克服了因随访时间差异带来的评估偏差。其内置的缺失值处理机制（adaptive-tree imputation）和OOB误差估计进一步增强了模型的实用性和可靠性。

研究结论与意义

本研究提出的RecForest是首个能够同时处理右删失复发事件数据、容忍终止事件、适应高维特征和缺失值的随机森林算法。通过系统的模拟研究和实际数据验证，RecForest在判别和校准方面均表现出色，优于现有常用方法。该算法的实现以R包形式公开发布（CRAN: recforest），为医学研究者提供了一个强大、灵活且用户友好的分析工具。未来工作可进一步探索其在动态预测、可解释性增强（如SHAP分析）以及更复杂缺失机制（如MAR）下的应用，持续推动复发事件分析方法学的前沿发展。