Skip to content
بازگشت به نتایج جست‌وجو

رگرسیون بقا با جریمه و انتخاب خودکار متغیر در مدل کوکس تطبیقی

معرفی‌شده توسط
Hao Helen Zhang & Wenbin Lu (adaptive LASSO formulation); base Cox model by David R. Cox
سال
2007 (adaptive LASSO variant); base Cox model 1972
نوع
Penalized semi-parametric survival regression
خانواده
Clinical / epidemiology

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

مدل کوکس تطبیقی با خطر متناسب، رگرسیون کلاسیک کوکس را برای پیامدهای زمان تا رویداد با افزودن جریمه LASSO تطبیقی (یا مشابه) گسترش می‌دهد. این مدل به طور همزمان نسبت خطرها را تخمین زده و انتخاب متغیر را انجام می‌دهد و ضرایب متغیرهای نامرتبط را دقیقاً به صفر کوچک می‌کند. این امر آن را در مجموعه داده‌های بالینی یا ژنومی با ابعاد بالا که تعداد پیش‌بینی‌کننده‌های کاندید نسبت به تعداد رویدادها زیاد است، ارزشمند می‌سازد.

شهود پشت روش

رگرسیون کلاسیک کوکس می‌تواند در مواردی که پیش‌بینی‌کننده‌های زیادی برای توضیح پیامدهای بقا رقابت می‌کنند - وضعیتی رایج در ژنومیک یا مطالعات بالینی چند مرکزی - ناپایدار شود یا حتی شکست بخورد. مدل کوکس تطبیقی یک جریمه بر هر ضریب اعمال می‌کند، اما این جریمه به طور حیاتی برای هر پیش‌بینی‌کننده سفارشی می‌شود: متغیرهایی که در یک برازش اولیه آموزنده به نظر می‌رسند، جریمه سبکی دریافت می‌کنند و اجازه می‌مانند، در حالی که متغیرهایی که شبیه نویز به نظر می‌رسند، جریمه سنگینی دریافت می‌کنند و دقیقاً به صفر کوچک می‌شوند و عملاً از مدل نهایی حذف می‌شوند. این وزن‌دهی تطبیقی دو مرحله‌ای به این روش خاصیت اوراکل را می‌دهد: به طور مجانبی، به خوبی عمل می‌کند، گویی که زیرمجموعه صحیح پیش‌بینی‌کننده‌ها از ابتدا مشخص بود.

تاریخ

مدل خطر متناسب کوکس توسط دیوید آر. کوکس در مقاله برجسته خود در سال 1972 در ژورنال انجمن سلطنتی آمار معرفی شد و چارچوب درستنمایی جزئی را برای رگرسیون بر روی داده‌های بقا ایجاد کرد. جریمه LASSO برای مدل کوکس در اواخر دهه 1990 توسط تیبشیرانی (1997) توسعه یافت. نوع LASSO تطبیقی - که وزن‌های جریمه مخصوص پیش‌بینی‌کننده را برای دستیابی به خاصیت اوراکل اختصاص می‌دهد - برای رگرسیون خطی توسط زو (2006) معرفی شد و توسط ژانگ و لو در مقاله Biometrika سال 2007 آنها به مدل کوکس گسترش یافت. کارهای بعدی، جریمه‌بندی تطبیقی را به انواع LASSO گروهی، شبکه الاستیک و SCAD برای پیامدهای بقا گسترش دادند.

چه زمانی استفاده شود

هنگامی که هدف تحقیق ساخت یک مدل پیش‌بینی بقای مختصر یا شناسایی زیرمجموعه‌ای از نشانگرهای پیش‌آگهی از مجموعه‌ای بزرگ از کاندیداها است، به ویژه زمانی که نسبت رویداد به متغیر کم است (مثلاً کمتر از 10 رویداد به ازای هر متغیر)، از مدل کوکس تطبیقی استفاده کنید. این مدل برای داده‌های ژنومی، ترانسکریپتومی یا ثبت‌های بالینی چند مرکزی که صدها یا هزاران ویژگی باید کاهش یابند، مناسب است. از آن به عنوان جایگزین مستقیم برای رگرسیون کلاسیک کوکس زمانی که مجموعه پیش‌بینی‌کننده کوچک و مبتنی بر نظریه است استفاده نکنید - در مطالعات تأییدی با ابعاد کم، رگرسیون کوکس استاندارد با کووریت‌های از پیش تعیین شده ترجیح داده می‌شود. همچنین زمانی که فرض خطر متناسب به طور جدی در میان پیش‌بینی‌کننده‌های انتخاب شده نقض می‌شود، از این روش اجتناب کنید؛ به جای آن مدل‌های ضرایب وابسته به زمان یا مدل‌های شتاب‌دهنده شکست را در نظر بگیرید.

محدودیت‌ها و ملاحظات

  • به یک تخمین اولیه قابل اعتماد برای وزن‌های تطبیقی نیاز دارد؛ برازش‌های اولیه ضعیف (مثلاً از یک مدل بدون جریمه با ابعاد بسیار بالا) می‌توانند خطاها را به بردار وزن منتقل کنند.
  • انتخاب و استنتاج را نمی‌توان بدون تعدیل بر روی همان داده‌ها انجام داد - استنتاج پس از انتخاب نیازمند رویه‌های اختصاصی است (مثلاً استنتاج انتخابی یا تقسیم نمونه).
  • فرض خطر متناسب باید همچنان برای پیش‌بینی‌کننده‌های حفظ شده بررسی شود؛ جریمه، نقض این فرض اساسی مدل را حل نمی‌کند.
  • عملکرد با نرخ‌های سانسور بسیار بالا یا پیگیری کوتاه مدت کاهش می‌یابد، زیرا رویدادهای مشاهده شده کم، سیگنال درستنمایی جزئی را محدود می‌کنند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • انتخاب متغیر و تخمین اثر را به طور همزمان در یک برازش مدل منظم شده واحد انجام می‌دهد.
  • خاصیت اوراکل تضمین کننده صحت مجانبی انتخاب متغیر تحت شرایط منظم است.
  • پیش‌بینی‌کننده‌های با ابعاد بالا (سناریوهای p >> n) را که در آنها رگرسیون کلاسیک کوکس غیرممکن است، مدیریت می‌کند.
  • وزن‌های تطبیقی، بایاس کوچک‌سازی را بر روی ضرایب بزرگ در مقایسه با LASSO کوکس استاندارد کاهش می‌دهند.
  • نسبت‌های خطر قابل تفسیر را برای پیش‌بینی‌کننده‌های حفظ شده، مطابق با قراردادهای گزارش‌دهی بالینی، تولید می‌کند.

کاربردها

  • ساخت امضاهای پیش‌آگهی ژنومی برای بقای خاص سرطان از بیان ژن یا آرایه‌های SNP.
  • شناسایی بیومارکرهای پیش‌آگهی مستقل در میان مجموعه‌های بزرگ متغیرهای بالینی در مطالعات کوهورت مبتنی بر ثبت.
  • توسعه امتیازات ریسک قلبی عروقی پراکنده از ویژگی‌های پرونده الکترونیک سلامت با ابعاد بالا.
  • انتخاب پیش‌بینی‌کننده‌ها برای مدل‌های زمان تا ترخیص از بیمارستان یا زمان تا عود در کارآزمایی‌های بالینی چند مرکزی.
  • ساخت مدل‌های پیش‌آگهی مختصر برای پیامدهای بیماری‌های عفونی (مثلاً زمان تا پاکسازی ویروس یا مرگ و میر) زمانی که بسیاری از نشانگرهای آزمایشگاهی کاندید در دسترس هستند.

چگونه کار می‌کند

چگونه کار می‌کند

1

پیامد بقا را به صورت زوج (زمان تا رویداد T، شاخص سانسور دلتا) تعریف کنید. ماتریس کووریت X را با p پیش‌بینی‌کننده مونتاژ کنید. مفروضات خطر متناسب را بررسی کرده و زمان‌های رویداد مساوی را مدیریت کنید (مثلاً تقریب برزلو). پیش‌بینی‌کننده‌های پیوسته را قبل از جریمه‌بندی استاندارد کنید تا اطمینان حاصل شود که جریمه در مقیاس مشترک است.

2

تخمین‌های اولیه ضریب را از یک مدل کوکس بدون جریمه یا رگرسیون کوکس ریج بدست آورید. وزن‌های تطبیقی را برای هر پیش‌بینی‌کننده j به صورت معکوس مقدار مطلق تخمین اولیه به توان گاما (معمولاً گاما=1 یا 2) محاسبه کنید: w_j = 1 / |beta_j_init|^gamma. پیش‌بینی‌کننده‌های نزدیک به صفر در برازش اولیه، وزن‌های بزرگی دریافت می‌کنند و به شدت جریمه خواهند شد.

فرمول
w_j = 1 / |\hat{\beta}_j^{\text{init}}|^\gamma
3

تابع درستنمایی جزئی مدل کوکس را منهای جریمه L1 وزن‌دار حداکثر کنید: ell(beta) - lambda * sum_j w_j |beta_j|. به دلیل وزن‌های تطبیقی، این هدف دارای خاصیت اوراکل است - تحت شرایط منظم، راه‌حل به درستی مشخص می‌کند که کدام ضرایب صفر هستند و ضرایب غیرصفر را با همان توزیع مجانبی تخمین می‌زند، گویی که پشتیبانی واقعی شناخته شده بود.

فرمول
\ell(\beta) - \lambda \sum_{j=1}^{p} w_j |\beta_j|
4

مسیر راه‌حل، مجموعه‌ای پراکنده از پیش‌بینی‌کننده‌های انتخاب شده (آنهایی که ضرایب غیرصفر دارند) را تولید می‌کند. ضرایبی که دقیقاً به صفر کوچک شده‌اند از مدل نهایی حذف می‌شوند. پیش‌بینی‌کننده‌های انتخاب شده و تخمین‌های نسبت خطر آنها (exp(beta_j)) مدل بقای نهایی را تشکیل می‌دهند.

5

پارامتر جریمه lambda را با استفاده از درستنمایی جزئی اعتبارسنجی متقابل یا معیارهای اطلاعاتی (AIC، BIC، BIC توسعه‌یافته برای تنظیمات با ابعاد بالا) انتخاب کنید. در تحلیل بقا، اعتبارسنجی متقابل K-fold از درستنمایی جزئی در بخش‌های حذف شده استفاده می‌کند. جستجوی شبکه‌ای در طول دنباله‌ای از lambda در مقیاس لگاریتمی استاندارد است.

6

عملکرد پیش‌بینی را با شاخص توافق (C-index / C هارل) در یک مجموعه آزمون مستقل یا از طریق اعتبارسنجی متقابل تو در تو ارزیابی کنید. کالیبراسیون احتمالات بقای پیش‌بینی شده را در افق‌های زمانی از نظر بالینی مرتبط گزارش دهید. فرض خطر متناسب را برای پیش‌بینی‌کننده‌های حفظ شده با استفاده از باقی‌مانده‌های شونفلد بررسی کنید.

دام‌های رایج

  • استفاده از همان مجموعه داده برای تنظیم lambda و ارزیابی نهایی مدل بدون یک حلقه اعتبارسنجی خارجی، شاخص C ظاهری را متورم می‌کند؛ همیشه از اعتبارسنجی متقابل تو در تو یا مجموعه آزمون حذف شده استفاده کنید.
  • نادیده گرفتن نسبت رویداد به متغیر برای برازش اولیه - اگر مدل کوکس بدون جریمه اولیه با پیش‌بینی‌کننده‌های بیشتر از رویدادها اجرا شود، تخمین‌های اولیه غیرقابل اعتماد هستند و وزن‌های تطبیقی را خراب می‌کنند.
  • رفتار با پیش‌بینی‌کننده‌های انتخاب شده به عنوان تأیید شده بدون در نظر گرفتن مسائل مقایسه چندگانه - انتخاب متغیر یک فرآیند داده‌محور است و پیش‌بینی‌کننده‌های انتخاب شده باید قبل از انتقال بالینی در یک گروه مستقل اعتبارسنجی شوند.
  • عدم بررسی فرض خطر متناسب بر روی مدل انتخاب شده نهایی - نمودارهای باقی‌مانده شونفلد باید برای هر پیش‌بینی‌کننده حفظ شده پس از انتخاب بررسی شوند.
  • حذف استانداردسازی پیش‌بینی‌کننده‌های پیوسته قبل از برازش - ورودی‌های غیر استاندارد شده، جملات جریمه را در مقیاس‌های ناسازگار تولید می‌کنند و انتخاب متغیر را تحریف می‌کنند.

پرسش‌های متداول

مدل کوکس تطبیقی چگونه با رگرسیون کوکس LASSO معمولی متفاوت است؟

رگرسیون کوکس LASSO استاندارد وزن جریمه یکسانی را به همه پیش‌بینی‌کننده‌ها اعمال می‌کند، که بایاس کوچک‌سازی را بر روی ضرایب واقعی بزرگ معرفی می‌کند و فاقد خاصیت اوراکل است - ممکن است در نمونه‌های بزرگ مدل صحیح را به طور مداوم انتخاب نکند. رگرسیون کوکس تطبیقی به هر پیش‌بینی‌کننده وزنی متناسب با اثر تخمینی اولیه آن اختصاص می‌دهد: پیش‌بینی‌کننده‌های با اثر بزرگ به سبکی جریمه می‌شوند (کاهش بایاس)، در حالی که پیش‌بینی‌کننده‌های نزدیک به صفر به شدت جریمه می‌شوند (بهبود انتخاب). این وزن‌دهی تطبیقی به روش خاصیت اوراکل را تحت شرایط منظم می‌دهد.

از چه تخمین‌گر اولیه‌ای باید برای وزن‌های تطبیقی استفاده کنم؟

انتخاب‌های رایج عبارتند از تخمین‌گر درستنمایی جزئی کوکس بدون جریمه (زمانی که n > p و مدل اولیه پایدار است امکان‌پذیر است)، رگرسیون کوکس ریج (زمانی که p بزرگ است یا نزدیک به n است توصیه می‌شود زیرا ریج همیشه تخمین‌های متناهی تولید می‌کند)، یا یک تخمین‌گر غربالگری حاشیه‌ای. LASSO تطبیقی با مقداردهی اولیه ریج، پرکاربردترین رویکرد در تنظیمات بقای با ابعاد بالا است.

آیا می‌توانم نسبت‌های خطر را برای متغیرهای انتخاب شده به گونه‌ای گزارش کنم که گویی از یک مدل کوکس استاندارد هستند؟

تخمین‌های نقطه‌ای از نظر معنایی با نسبت‌های خطر کوکس استاندارد قابل مقایسه هستند، اما خطاهای استاندارد و فواصل اطمینان محاسبه شده به گونه‌ای که گویی هیچ انتخابی رخ نداده نامعتبر هستند - آنها مرحله انتخاب را نادیده می‌گیرند و بیش از حد باریک هستند. برای استنتاج پس از انتخاب، از فواصل اطمینان بوت استرپ، تقسیم نمونه، یا روش‌های استنتاج انتخابی که به طور خاص برای مدل‌های بقای پس از انتخاب طراحی شده‌اند، استفاده کنید.

چگونه پارامتر تنظیم lambda را انتخاب کنم؟

رایج‌ترین رویکرد، اعتبارسنجی متقابل K-fold (K=5 یا 10) است که درستنمایی جزئی اعتبارسنجی شده متقابل را حداکثر می‌کند. BIC یا BIC توسعه‌یافته (برای داده‌های با ابعاد بسیار بالا) نیز می‌توانند استفاده شوند و تمایل به انتخاب مدل‌های پراکنده‌تر دارند. انتخاب معیار بر اندازه مدل تأثیر می‌گذارد: اعتبارسنجی متقابل به سمت مدل‌های بزرگتر با پیش‌بینی بهتر گرایش دارد؛ BIC به سمت مدل‌های کوچکتر با سازگاری انتخاب بهتر گرایش دارد.

آیا فرض خطر متناسب هنوز هم پس از انتخاب تطبیقی باید بررسی شود؟

بله. جریمه‌بندی پیش‌بینی‌کننده‌ها را انتخاب می‌کند اما خطر متناسب را تأیید یا اجبار نمی‌کند. پس از نهایی کردن مدل، آزمون‌های باقی‌مانده شونفلد و نمودارها باید برای هر پیش‌بینی‌کننده حفظ شده تولید شوند. نقض‌ها ممکن است نیاز به افزودن جملات تعامل زمان با کووریت یا تغییر به یک مدل بقای جایگزین برای پیش‌بینی‌کننده‌های مشکل‌ساز داشته باشند.

روش‌های مرتبط

منابع

  1. Zhang, H. H., & Lu, W. (2007). Adaptive Lasso for Cox's proportional hazards model. Biometrika, 94(3), 691–703.

    باز کردن مرجع DOI
    کپی شد.
  2. Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187–202.

    باز کردن مرجع DOI
    کپی شد.