ترجمه فارسی مقاله فواصل پیش بینی منسجم در تجزیه و تحلیل بقا: یک رویکرد نمونه گیری مجدد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Conformal predictive intervals in survival analysis: a re-sampling approach
عنوان مقاله به فارسی فواصل پیش بینی منسجم در تجزیه و تحلیل بقا: یک رویکرد نمونه گیری مجدد
نویسندگان Jing Qin, Jin Piao, Jing Ning, Yu Shen
فرمت مقاله انگلیسی PDF
تعداد صفحات 23
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Methodology,روش شناسی ,
توضیحات Submitted 12 August, 2024; originally announced August 2024. , Comments: 2 figures and 2 tables
توضیحات به فارسی ارائه شده 12 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 2 شکل و 2 جدول
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The distribution-free method of conformal prediction (Vovk et al, 2005) has gained considerable attention in computer science, machine learning, and statistics. Candes et al. (2023) extended this method to right-censored survival data, addressing right-censoring complexity by creating a covariate shift setting, extracting a subcohort of subjects with censoring times exceeding a fixed threshold. Their approach only estimates the lower prediction bound for type I censoring, where all subjects have available censoring times regardless of their failure status. In medical applications, we often encounter more general right-censored data, observing only the minimum of failure time and censoring time. Subjects with observed failure times have unavailable censoring times. To address this, we propose a bootstrap method to construct one -- as well as two-sided conformal predictive intervals for general right-censored survival data under different working regression models. Through simulations, our method demonstrates excellent average coverage for the lower bound and good coverage for the two-sided predictive interval, regardless of working model is correctly specified or not, particularly under moderate censoring. We further extend the proposed method to several directions in medical applications. We apply this method to predict breast cancer patients' future survival times based on tumour characteristics and treatment.

چکیده به فارسی (ترجمه ماشینی)

روش بدون توزیع پیش بینی کنفورماسی (Vovk و همکاران ، 2005) در علوم کامپیوتر ، یادگیری ماشین و آمار مورد توجه قابل توجهی قرار گرفته است.آب نبات و همکاران.(2023) این روش را به داده های بقا با سانسور راست گسترش داد ، و با ایجاد یک تنظیم تغییر متغیر ، پیچیدگی سانسور راست را برطرف کرد ، استخراج یک زیر مجموعه از افراد با زمان سانسور بیش از یک آستانه ثابت.رویکرد آنها فقط پیش بینی پایین تر برای سانسور نوع I را تخمین می زند ، جایی که همه افراد بدون در نظر گرفتن وضعیت شکست آنها ، زمان سانسور را در دسترس دارند.در کاربردهای پزشکی ، ما اغلب با داده های سانسور شده عمومی تر روبرو می شویم و فقط حداقل زمان خرابی و زمان سانسور را مشاهده می کنیم.افراد با زمان خرابی مشاهده شده ، زمان سانسور در دسترس ندارند.برای پرداختن به این موضوع ، ما یک روش bootstrap را برای ساخت یک-و همچنین فواصل پیش بینی کننده دو طرفه برای داده های بقاء سانسور شده راست راست تحت مدلهای مختلف رگرسیون کار پیشنهاد می کنیم.از طریق شبیه سازی ، روش ما پوشش متوسط ​​بسیار خوبی را برای پوشش محدود و خوب برای بازه پیش بینی دو طرفه نشان می دهد ، صرف نظر از مدل کار به درستی مشخص شده یا خیر ، به خصوص در سانسور متوسط.ما بیشتر روش پیشنهادی را به چندین جهت در برنامه های پزشکی گسترش می دهیم.ما این روش را برای پیش بینی زمان بقای آینده بیماران مبتلا به سرطان پستان بر اساس ویژگی های تومور و درمان استفاده می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.