具有逆高斯脆弱性混合模型的贝叶斯生存建模

《Journal of Applied Statistics》：Bayesian survival modeling with mixtures of inverse Gaussian frailties

贝叶斯框架整合frailty与混合建模，采用双逆高斯混合分布作为frailty变量，闭式Laplace变换提升计算效率，广义韦伯/对数逻辑分布建模基准线，通过MCMC实现参数估计与不确定性量化，肾脏数据集验证显示优于传统方法。

　　

摘要

我们提出了一种贝叶斯框架，用于生存分析，该框架结合了脆弱性模型和混合模型。在我们的方法中，使用两种逆高斯（MIG）分布的混合模型作为双变量失效时间的脆弱性变量。混合模型的参数化直接决定了混合权重，并且拉普拉斯变换可以以封闭形式获得，从而便于高效计算。灵活的基线分布通过广义韦伯分布和广义对数逻辑分布族来建模。参数估计是在完全贝叶斯框架下使用马尔可夫链蒙特卡洛（MCMC）算法进行的，这使得不确定性量化成为可能。通过分析一个肾脏数据集来说明所提出的方法论，结果表明，与传统方法相比，使用MIG脆弱性模型能够提高模型的拟合度和预测性能。