Robusto modelo de regresión Cox funcional y robusto

Área de la Ciencia:

• Estadísticas Estadísticas Las estadísticas.
• La bioestadística es la bioestadística.
• Análisis de la supervivencia.

Sus antecedentes:

• Los modelos clásicos de peligros proporcionales de Cox con covariables funcionales son sensibles a los valores atípicos.
• Los modelos Cox funcionales existentes carecen de robustez, lo que afecta a las evaluaciones de resultados en el tiempo hasta el evento.

Objetivo del estudio:

• Desarrollar un modelo de regresión de Cox robusto y funcional resistente a valores atípicos.
• Para mejorar la fiabilidad del análisis de supervivencia cuando los datos funcionales contienen observaciones aberrantes.

Principales métodos:

• Combina proyección-búsqueda robusto análisis del componente principal funcional (RPCA) para la reducción de la dimensión.
• Utiliza un enfoque robusto de probabilidad parcial para la estimación de parámetros en un subespacio de dimensión finita.
• Incorpora componentes principales funcionales robustos y covariables escalares.

Principales resultados:

• El robusto modelo Cox funcional propuesto demuestra un rendimiento superior en comparación con los métodos clásicos y penalizados, especialmente con datos propensos a ser atípicos.
• Se establecieron propiedades asimptóticas que incluyen consistencia y normalidad.
• El análisis de la función de influencia confirmó las características de robustez.

Conclusiones:

• El robusto modelo de regresión Cox funcional ofrece una alternativa confiable para el análisis de supervivencia con datos funcionales que contienen valores atípicos.
• El método es efectivo en aplicaciones del mundo real, como lo demuestran los datos de acelerometría de la Encuesta Nacional de Salud y Nutrición.