Skip to content

定义Definition

加速失效时间模型

施工中 · 内容逐步修订

Accelerated failure time model · AFT model

直接把事件时间乘以协变量决定的因子,推导分位时间比、删失似然及与比例风险的差别。

形式陈述 ​

沿用生存分析的事件时间记号,令 T>0,z 为在起点确定、随本次寿命不变的协变量。加速失效时间模型写为

log⁡T=μ+βTz+σε,σ>0,

其中误差 ε 的分布不随 z 改变。吸收截距与误差尺度后,条件分布等价地写成 T∣z=deβTzT0,T0 的分布对所有协变量取值相同。这个分布等式没有为不同组的个体指定一一配对的潜在寿命。这与线性回归的形式相近,但此处定义的是对数寿命条件分布的平移,并未要求误差有有限均值。即使满足均值条件,有删失时也不能直接把观察终点的对数交给普通最小二乘。

令 a=eβTz。时间伸缩总给出 S(t∣z)=S0(t/a);基线分布绝对连续时,进一步有密度与风险率关系

f(t∣z)=a−1f0(t/a),λ(t∣z)=a−1λ0(t/a).

用广义分位数 Q0(p)=inf{t:F0(t)≥p},0<p<1,可直接得到 Qz(p)=aQ0(p);它也适用于有原子的分布。模型里的分位数关系与资料能否识别该分位数是两件事:删失过早时,中位数可能根本没有观察支持。因此 a>1 表示同一分位的事件来得更晚,名称中的“加速”不限定系数必须缩短时间。

图像:沿横轴拉长整条曲线 ​

想象把基线生存曲线印在弹性纸上,横向拉长 a 倍,纵向概率不变。基线在时间 t0 达到的生存概率,另一组在 at0 才达到。这个图像也揭示了假设的强度:从较早到较晚的所有分位数,都必须接受同一个伸缩比例。

直觉

“寿命整体延长一倍”和“每一刻的风险减半”是否相同?加速失效时间模型直接伸缩时间轴,因此它的系数首先解释为时间比。

例子与边界

一个能完整算出的例子 ​

设基线寿命服从形状参数 k=2、尺度 b=3 的 Weibull 分布,

S0(t)=exp⁡[−(t/3)2].

二元变量 z=1 的时间比取 a=2。则 S(t∣1)=exp⁡[−(t/6)2]。基线中位寿命是 3log⁡2≈2.498,另一组是 6log⁡2≈4.995,恰好翻倍。在时间 3,两组生存率分别为 e−1≈0.368 和 e−1/4≈0.779。

这个例子碰巧也满足比例风险:λ0(t)=2t/9,伸缩后的风险是 t/18,风险比为 1/4。所以时间翻倍在这里对应风险降到四分之一。一般 Weibull 形状 k 的对应关系是风险比 a−k,不是一律 a−1。

有删失时怎样拟合 ​

右删失资料为 (Xi,δi)。在给定协变量的独立删失、且删失机制的参数可与事件参数分离时,事件时间参数的似然贡献为

[ai−1f0(Xi/ai)]δi[S0(Xi/ai)]1−δi.

发生事件者贡献密度,删失者贡献存活到该时刻的概率。选择误差分布,构造这些贡献的对数和,数值求最大值,再用信息矩阵或适当重抽样评估不确定性。区间删失则在检查机制可忽略时贡献 F(Ri∣zi)−F(Li∣zi)。若还存在独立左截断、只纳入 Ti>Li 的对象,且已知在进入后才会删失,右删失贡献须再除以 S(Li∣zi)>0。这里的进入筛选与仅知事件晚于某日不同;不能只改风险集却沿用未截断的参数似然。

反例与边界 ​

一个可直接计算的非比例风险例子取 S0(t)=1/(1+t),t≥0,并把时间拉长两倍。两组风险率分别为 1/(1+t) 与 1/(2+t),风险比 (1+t)/(2+t) 从 1/2 逐渐趋向 1。每个有限分位时间都翻倍,风险比却不固定;而且这份基线的完整均值发散,时间比不能被改称平均寿命比。

若一个变量只影响早期失效而对晚期几乎无影响,各分位时间比不同,一个 a 就不足以描述。模型还可能对尾部外推敏感:随访只覆盖短时间,拟合分布却决定未观察到的长尾。报告平均寿命前必须检查其存在性及外推依据,不能只因为软件给出了一个数字便认为数据识别了它。

推论与应用

把时间单位由年改成月,T′=12T,对数截距增加 log⁡12,β 与 σ 不变。事件密度贡献各多出 1/12,删失生存贡献不变,故同一资料的对数似然只减去事件数乘 log⁡12,参数比较不变。若把时间变化协变量直接塞进 eβTz(t)T0,则已离开本页固定时间伸缩的定义,需要另建完整过程模型。

当问题自然表达为“达到相同累计失败比例需要多长时间”,AFT 的分位时间比很直接。选择 AFT 或Cox 模型时,应先判断哪种结构适合研究问题,再看数据是否支持;两者的系数不能不经转换地互作解释。

参考资料
  • Stanford STATS 305B, Survival analysis, “Accelerated failure time” and “Likelihood under censoring” sections,时间伸缩及删失似然。
  • R survival 3.8-6,Parametric Survival Distributions,Details 与 Weibull parameterisation 例:软件中的 log-time scale 是形状的倒数,不是 Weibull 的寿命尺度。
  • Kalbfleisch and Prentice, The Statistical Analysis of Failure Time Data, 2nd ed., Wiley, 2002, Chapters 2–3,参数生存分布与回归模型。
关系图谱16 个相邻概念 · 2 类关系

拖动节点调整位置。

显示关系

显示:依赖

  1. 前置三跳
  2. 前置二跳
  3. 前置一跳
  4. 当前条目
  5. 后续一跳
  6. 后续二跳
  7. 后续三跳
文字版关系按与当前条目的最短距离分组
类型化关系