Abstracto

Alternativas parcialmente exactas a la regularización en modelos de regresión de riesgos proporcionales con probabilidad monótona

 Juan E. Kolassa

Los modelos de regresión de riesgos proporcionales se utilizan con mucha frecuencia para modelar el tiempo hasta los eventos en presencia de censura. En algunos casos, en particular cuando los tamaños de muestra son moderados y las covariables son discretas, las estimaciones de máxima verosimilitud parcial son infinitas. Esta falta de estimadores finitos complica el uso de métodos de perfil para estimar y probar los parámetros restantes. Esta presentación proporciona un método para la inferencia en tales casos. El método se basa en técnicas similares en uso en regresión logística y multinomial y evita la regularización arbitraria. El fenómeno de la verosimilitud monótona se observa en el proceso de ajuste de un modelo de Cox si la verosimilitud converge a un valor finito mientras que al menos una estimación de parámetro diverge a ±∞. La verosimilitud monótona ocurre principalmente en muestras pequeñas con censura sustancial de los tiempos de supervivencia y varias covariables altamente predictivas. Las opciones anteriores para tratar la verosimilitud monótona han sido insatisfactorias.