Skip to content
返回搜索结果

自适应Cox比例风险模型——带自动变量选择的惩罚生存回归

提出者
Hao Helen Zhang & Wenbin Lu (adaptive LASSO formulation); base Cox model by David R. Cox
年份
2007 (adaptive LASSO variant); base Cox model 1972
类型
Penalized semi-parametric survival regression
类别
Clinical / epidemiology

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

自适应Cox比例风险模型通过添加自适应LASSO(或相关方法)的惩罚项,扩展了经典的Cox回归模型,用于处理生存时间结局。该模型能够同时估计风险比并进行变量选择,将不相关的协变量系数精确地收缩至零。这使得它在高维临床或基因组学数据集中特别有价值,因为在这些数据集中,候选预测变量的数量相对于事件数量可能很大。

方法背后的直觉

当许多预测变量竞争解释生存结局时(这在基因组学或多中心临床研究中很常见),经典的Cox回归可能会变得不稳定甚至失效。自适应Cox模型对每个系数施加惩罚,但关键在于这种惩罚是针对每个预测变量量身定制的:在初步拟合中看起来具有信息量的变量会受到较轻的惩罚,并被允许保留;而看起来像噪声的变量会受到较重的惩罚,并被精确地收缩至零,从而有效地从最终模型中排除。这种两阶段的自适应加权赋予了该方法“预言机”性质(oracle property):渐近地,它的表现就如同从一开始就知道正确的预测变量子集一样好。

历史学

Cox比例风险模型由David R. Cox在其1972年发表的皇家统计学会会报(Journal of the Royal Statistical Society)的里程碑式论文中提出,为生存数据回归建立了偏似然框架。Cox模型的LASSO惩罚由Tibshirani(1997年)在20世纪90年代末开发。自适应LASSO变体——它为每个预测变量分配特定的惩罚权重以实现“预言机”性质——由Zou(2006年)引入线性回归,并由Zhang和Lu在其2007年发表于Biometrika的论文中扩展到Cox模型。后续研究将自适应惩罚扩展到用于生存结局的分组LASSO、弹性网络和SCAD变体。

何时使用

当研究目标是构建一个简洁的生存预测模型,或从大型候选集中识别预后生物标志物子集时,应使用自适应Cox模型,特别是当事件与变量之比较低时(例如,每变量少于10个事件)。它非常适合基因组学、转录组学或多中心登记数据,因为这些数据需要从数百或数千个特征中进行降维。当预测变量集较小且是理论驱动时,不应将其作为经典Cox回归的直接替代品——在低维验证性研究中,首选具有预设协变量的标准Cox回归。当比例风险假设在选定预测变量中严重违反时,也应避免使用该方法;考虑使用时变系数或加速失效时间模型。

局限与注意事项

  • 需要可靠的初始估计值来计算自适应权重;糟糕的初始拟合(例如,来自非常高维的无惩罚模型)可能会将误差传播到权重向量中。
  • 不能在同一数据集上进行选择和推断,除非进行调整——选择后的推断需要专门的程序(例如,选择性推断或样本分割)。
  • 比例风险假设对于保留的预测变量仍然必须成立;惩罚不能解决该核心模型假设的违反问题。
  • 在非常高的删失率或短随访时间下,性能会下降,因为观察到的事件很少会限制偏似然信号。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 在单一的正则化模型拟合中同时执行变量选择和效应估计。
  • 在正则条件下,“预言机”性质保证了变量选择的渐近正确性。
  • 处理经典Cox回归不可行的“预测变量数量远超样本量”(p >> n)的高维预测变量情况。
  • 与标准的LASSO Cox回归相比,自适应权重减少了大系数的收缩偏差。
  • 为保留的预测变量生成可解释的风险比,符合临床报告惯例。

应用

  • 构建来自基因表达或SNP阵列的癌症特异性生存的基因组预后签名。
  • 在基于登记的队列研究中,从大型临床变量集中识别独立的预后生物标志物。
  • 从高维电子健康记录特征中开发稀疏的心血管风险评分。
  • 在多中心临床试验中,为择期出院或复发时间模型选择预测变量。
  • 在有许多候选实验室标志物可用时,构建传染病结局(例如,病毒清除时间或死亡率)的简洁预后模型。

使用方式

使用方式

1

将生存结局定义为一对(事件发生时间 T,删失指示符 delta)。将协变量矩阵 X 与 p 个预测变量组合起来。验证比例风险假设并处理并列事件时间(例如,Breslow近似)。在进行惩罚之前,对连续预测变量进行标准化,以确保惩罚在共同的尺度上进行。

2

从无惩罚的Cox模型或岭Cox回归中获得初始系数估计值。计算每个预测变量 j 的自适应权重,其值为初始估计值绝对值的倒数,并提高到幂次 gamma(通常 gamma=1 或 2):w_j = 1 / |beta_j_init|^gamma。在初始拟合中接近零的预测变量将获得较大的权重,并受到重度惩罚。

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

最大化Cox模型的偏对数似然减去加权L1惩罚项:ell(beta) - lambda * sum_j w_j |beta_j|。由于自适应权重,该目标函数具有“预言机”性质——在正则条件下,解能够正确识别哪些系数为零,并以与已知真实支持集相同的渐近分布估计非零系数。

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

解路径会产生一个稀疏的选定预测变量集(即系数非零的预测变量)。被精确收缩至零的系数将从最终模型中排除。选定的预测变量及其风险比估计值(exp(beta_j))构成了最终的生存模型。

5

通过交叉验证的偏似然或信息准则(AIC、BIC、高维设置下的扩展BIC)来选择惩罚参数 lambda。在生存分析中,K折交叉验证使用保留折上的偏对数似然。在 lambda 序列的对数尺度上进行网格搜索是标准做法。

6

在独立的测试集上或通过嵌套交叉验证,使用一致性指数(C-index / Harrell's C)评估预测性能。报告在临床相关时间范围内的预测生存概率的校准情况。使用Schoenfeld残差检查保留预测变量的比例风险假设。

常见陷阱

  • 在没有外部验证循环的情况下,同时使用相同的数据集进行 lambda 调优和最终模型评估,会夸大观察到的 C 指数;务必使用嵌套交叉验证或保留的测试集。
  • 忽略初始拟合中的事件与变量之比——如果使用超过事件数量的预测变量运行初始无惩罚Cox模型,初始估计值将不可靠,从而破坏自适应权重。
  • 将选定的预测变量视为已确认,而未承认多重比较问题——变量选择是一个数据驱动的过程,在临床转化之前,应在独立队列中验证选定的预测变量。
  • 未能检查最终选定模型上的比例风险假设——在选择后,应检查每个保留预测变量的 Schoenfeld 残差图。
  • 在拟合前省略连续预测变量的标准化——未标准化的输入会导致惩罚项处于不兼容的尺度上,从而扭曲变量选择。

常见问题

自适应Cox回归与普通的LASSO Cox回归有何不同?

标准的LASSO Cox回归对所有预测变量应用相同的惩罚权重,这会对真实的较大系数引入收缩偏差,并且缺乏“预言机”性质——它在大样本中可能无法一致地选择正确的模型。自适应Cox回归为每个预测变量分配一个与其初始估计效应成反比的权重:大效应预测变量受到较轻的惩罚(减少偏差),而接近零的预测变量受到较重的惩罚(改善选择)。这种自适应加权在正则条件下赋予该方法“预言机”性质。

我应该使用哪种初始估计器来计算自适应权重?

常见的选择包括:无惩罚的Cox偏似然估计器(当 n > p 且初始模型稳定时可行)、岭Cox回归(当 p 较大或接近 n 时推荐,因为岭回归总是产生有限的估计值),或边际筛选估计器。在हरूको维生存设置中,最广泛推荐的方法是岭回归初始化的自适应LASSO。

我可以报告选定变量的风险比,就好像它们来自标准的Cox模型一样吗?

点估计的含义与标准Cox风险比相当,但计算出的标准误和置信区间(就好像没有发生选择一样)是无效的——它们忽略了选择步骤,并且过于狭窄。对于选择后的推断,请使用自举置信区间、样本分割或专门为选择后生存模型设计的选择性推断方法。

我该如何选择调优参数 lambda?

最常见的方法是K折交叉验证(K=5或10),最大化交叉验证的偏对数似然。BIC或扩展BIC(对于非常高维的数据)也可以使用,并且倾向于选择更稀疏的模型。准则的选择会影响模型大小:交叉验证倾向于选择具有更好预测性能的较大模型;BIC倾向于选择具有更好选择一致性的小模型。

自适应选择后是否仍需要检查比例风险假设?

是的。惩罚选择预测变量,但不验证或强制执行比例风险。在最终确定模型后,应为每个保留的预测变量生成Schoenfeld残差检验和图。违反假设可能需要为有问题的预测变量添加时变协变量交互项或切换到替代的生存模型。

相关方法

参考文献

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

    打开 DOI 文献
    已复制。
  2. Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187–202.

    打开 DOI 文献
    已复制。