2023 Fiscal Year Annual Research Report
Inferences and machine learning methods for multivariate time-to-event data with incomplete information
| Project/Area Number |
21K11783
|
|---|
| Research Institution | Shiga University |
|---|
Principal Investigator |
杉本 知之 滋賀大学, データサイエンス学系, 教授 (70324829)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 数理統計学 / 医学統計学 / 生存解析 / 決定木 |
|---|
| Outline of Annual Research Achievements |
本年度は，前年度まで行ってきている研究を発展させるべく継続して行った．(1)コピュラ型の相関構造をもつ2変量事象時間データに対して，セミ競合リスク問題の推測の理論と方法の研究をさらに発展させた．推定の方法論では，EMアルゴリズムを介することで死因既知のノン競合リスクの形式に疑似完全データ化したEM対数尤度を構成することで，セミ競合リスク問題に対しても最適化計算が便利に行えること，より良い推定量が構成できることが分かっていたが，この推定量がNPMLEかどうかは不明であった．この点についてさらに研究を掘り下げて，EM収束まで反復させるとNPMLEではないが，漸近的に一致推定できること，また全尤度が下がり出す時点でEM反復を止めることで，さらに性能の良い推定量が構成できることを得た．(2)セミ競合リスク問題の推測における2群比較としてログランク統計量の修正に関する研究を行った．Sugimoto et al.(2017)の結果をうまく利用することで2変量相関がない場合は通常のログランク法に，2変量相関があれば修正されたログランク統計量が構成できる可能性を得た．ただし，名義的なαエラーを保つためには，この場合コピュラパラメータの推定誤差も評価した統計量の分散推定を行う必要があることも得て，この問題をさらに追及している．(3)経時対応データに対する決定木の構成を研究した．共変量方向と共変量と時間の交互作用方向の統計量の性質を調べ，決定木の構成を行った．1本の決定木の限界を乗り越えるため，複数の樹木を構成する方法を提示し，解釈の多様性，予測性能の向上に貢献する結果を得た．これらの研究について，いくつかの学会発表や論文発表などを行った．
|
