Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Cancer Survival Analysis01:21

Cancer Survival Analysis

805
Cancer survival analysis focuses on quantifying and interpreting the time from a key starting point, such as diagnosis or the initiation of treatment, to a specific endpoint, such as remission or death. This analysis provides critical insights into treatment effectiveness and factors that influence patient outcomes, helping to shape clinical decisions and guide prognostic evaluations. A cornerstone of oncology research, survival analysis tackles the challenges of skewed, non-normally...
805
Parametric Survival Analysis: Weibull and Exponential Methods01:14

Parametric Survival Analysis: Weibull and Exponential Methods

1.2K
Parametric survival analysis models survival data by assuming a specific probability distribution for the time until an event occurs. The Weibull and exponential distributions are two of the most commonly used methods in this context, due to their versatility and relatively straightforward application.
Weibull Distribution
The Weibull distribution is a flexible model used in parametric survival analysis. It can handle both increasing and decreasing hazard rates, depending on its shape parameter...
1.2K
Comparing the Survival Analysis of Two or More Groups01:20

Comparing the Survival Analysis of Two or More Groups

674
Survival analysis is a cornerstone of medical research, used to evaluate the time until an event of interest occurs, such as death, disease recurrence, or recovery. Unlike standard statistical methods, survival analysis is particularly adept at handling censored data—instances where the event has not occurred for some participants by the end of the study or remains unobserved. To address these unique challenges, specialized techniques like the Kaplan-Meier estimator, log-rank test, and...
674
Introduction To Survival Analysis01:18

Introduction To Survival Analysis

894
Survival analysis is a statistical method used to study time-to-event data, where the "event" might represent outcomes like death, disease relapse, system failure, or recovery. A unique feature of survival data is censoring, which occurs when the event of interest has not been observed for some individuals during the study period. This requires specialized techniques to handle incomplete data effectively.
The primary goal of survival analysis is to estimate survival time—the time...
894
Kaplan-Meier Approach01:24

Kaplan-Meier Approach

663
The Kaplan-Meier estimator is a non-parametric method used to estimate the survival function from time-to-event data. In medical research, it is frequently employed to measure the proportion of patients surviving for a certain period after treatment. This estimator is fundamental in analyzing time-to-event data, making it indispensable in clinical trials, epidemiological studies, and reliability engineering. By estimating survival probabilities, researchers can evaluate treatment effectiveness,...
663
Assumptions of Survival Analysis01:15

Assumptions of Survival Analysis

467
Survival models analyze the time until one or more events occur, such as death in biological organisms or failure in mechanical systems. These models are widely used across fields like medicine, biology, engineering, and public health to study time-to-event phenomena. To ensure accurate results, survival analysis relies on key assumptions and careful study design.
467

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

H3K27M enhances basal ATM signaling but is not required for radiosensitization of diffuse midline glioma via ATM inhibition with AZD1390.

Molecular cancer therapeutics·2026
Same author

Piezo1 Activation by Shear Stress Induces Corneal Epithelial Homeostasis Disruption.

Investigative ophthalmology & visual science·2026
Same author

Bayesian updating of malignant hyperthermia susceptibility using documented triggering anaesthetic exposure.

British journal of anaesthesia·2026
Same author

Human Papillomavirus Infection in Patients With VaIN and Vaginal Cancer: A Retrospective Cross-Sectional Study.

Journal of lower genital tract disease·2026
Same author

Application of 3D printing technology in the development of future foods derived from edible fungi: From the perspective of creating dysphagia diets based on multidimensional quality differences of various shiitake mushrooms.

Food research international (Ottawa, Ont.)·2026
Same author

Endoscopic biliary stenting combined with nasobiliary drainage in hilar malignant biliary obstruction.

Therapeutic advances in gastrointestinal endoscopy·2026

関連する実験動画

Updated: Mar 1, 2026

Establishing a Competing Risk Regression Nomogram Model for Survival Data
04:57

Establishing a Competing Risk Regression Nomogram Model for Survival Data

Published on: October 23, 2020

10.9K

乳がん患者の生存率に対する部分線形加法的分位点回帰：理論と応用

Xinyi Zhao1, Maozai Tian1

  • 1Center for Applied Statistics, School of Statistics, Renmin University of China, Beijing, China.

Statistics in medicine
|February 27, 2026
PubMed
まとめ

本研究は、乳がん患者の生存率を予測し、治療決定を改善する新しい手法を導入する。この新しいアプローチは、打ち切り生存データを効果的に処理し、個別化ケアのための重要な予後因子を特定する。

科学分野:

  • 生物統計学
  • 医療情報学
  • 腫瘍学

背景:

  • 正確な乳がん患者の平均余命予測は、効果的な治療計画に不可欠である。
  • 打ち切り生存データに対する既存の方法は、しばしば複雑なデータ補完または重み付け技術に依存している。
  • 打ち切りの存在下で、生存率を正確に推定し、重要な予測因子を特定できる堅牢な統計モデルが必要とされている。

研究 の 目的:

  • 右側打ち切りデータを持つ部分線形加法的分位点回帰モデルにおける生存率推定と変数選択のための新しい統計的手法を開発すること。
  • 従来の合成データや重み付けアプローチを超えて、データ打ち切りに対処するために適合された損失関数を導入すること。
  • グループ滑らかにクリップされた絶対偏差（SCAD）ペナルティを用いた変数選択により、予測精度を向上させること。

主な方法:

  • 部分線形加法的分位点回帰フレームワークを利用した。
  • モデル内の非パラメトリック加法成分を近似するためにBスプラインを使用した。
  • 右側打ち切り生存時間を効果的に処理するために適合された損失関数を採用した。
  • 非パラメトリック成分における変数選択のためにグループ滑らかにクリップされた絶対偏差（SCAD）ペナルティを適用した。
  • 方法実装のためにブロックごとのメジャーイズミニマイズ（MM）アルゴリズムを開発した。
キーワード:
グループSCAD部分線形加法的分位点回帰右側打ち切りデータ生存率予測変数選択

さらに関連する動画

An R-Based Landscape Validation of a Competing Risk Model
05:37

An R-Based Landscape Validation of a Competing Risk Model

Published on: September 16, 2022

2.7K
Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
06:46

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery

Published on: September 27, 2024

956

関連する実験動画

Last Updated: Mar 1, 2026

Establishing a Competing Risk Regression Nomogram Model for Survival Data
04:57

Establishing a Competing Risk Regression Nomogram Model for Survival Data

Published on: October 23, 2020

10.9K
An R-Based Landscape Validation of a Competing Risk Model
05:37

An R-Based Landscape Validation of a Competing Risk Model

Published on: September 16, 2022

2.7K
Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
06:46

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery

Published on: September 27, 2024

956
  • 導出された推定量の漸近的特性を確立した。

    • 主要な成果:

    • 提案手法は、数値シミュレーションにおいて、代替手法と比較して優れた有限サンプル性能を示した。
    • 適合された損失関数は、打ち切り生存データを効果的に処理した。
    • グループSCADペナルティは、生存に影響を与える重要な変数を特定することに成功した。
    • ブロックごとのMMアルゴリズムは、複雑なモデルを実装するための効果的な手段を提供した。
    • 推定量の漸近的特性が理論的に確立された。

    結論:

    • 開発された方法は、打ち切り生存データを持つ乳がん患者の平均余命を予測するための堅牢で正確なアプローチを提供する。
    • この新しい技術は、重要な予後因子を特定することによって、個別化治療戦略を強化する。
    • 本研究は、乳がんの研究と患者ケアにSEERデータを利用する腫瘍学者や研究者にとって貴重なツールを提供する。