预测模型中考虑时依性变量可改善模型的总体表现, 提高其临床应用价值。界标模型、联合模型等基于传统回归策略在处理时依性变量个数和适用情境等方面存在局限, 神经网络等机器学习算法有望对其灵活处理。本文针对传统模型、机器学习算法, 总结各自纳入时依性变量的建模思路, 梳理各方法的适用场景, 概括现有方法仍存在的问题, 以期为未来预测建模处理时依性变量提供方法学启示。
科研之友
微信
新浪微博
Facebook
分享链接
