Resumen

Los sistemas de supervivencia son difciles de analizar en presencia de observaciones extremas y multicolinealidad. Encontrar modelos apropiados que proporcionen una descripcin robusta de tales sistemas de supervivencia y que aborden los riesgos suaves en el contexto de las covariables puede ser un reto dado el gran nmero de posibilidades. Los algoritmos de tiempo de supervivencia que evalan la eficacia de los modelos en presencia de observaciones extremas sobre diferentes conjuntos de datos proporcionan una herramienta eficaz para identificar sistemas robustos. Sin embargo, los algoritmos existentes que abordan el anlisis de los sistemas de supervivencia estn limitados en las evaluaciones a largo plazo. Por lo tanto, se desarrolla un algoritmo que puede analizar la respuesta del tiempo de supervivencia en sistemas de supervivencia complejos de alta dimensin que tienen observaciones extremas y que explora grandes mrgenes de forma dinmica. Este algoritmo se desarrolla como un conjugado de modelos paramtricos flexibles y mnimos cuadrados parciales para estimar funciones suaves, flexibles y robustas para extrapolar el modelo de supervivencia en evaluaciones a largo plazo en presencia de observaciones extremas. El algoritmo se prueba y valida utilizando cuatro distribuciones basadas en un conjunto de datos simulados generados a partir de la distribucin Weibull y se compara con la regresin por mnimos cuadrados parciales-Cox. La comparacin muestra su flexibilidad y eficacia en el manejo de diferentes sistemas de supervivencia en presencia de valores extremos. El algoritmo tambin se utiliza para analizar cuatro conjuntos de datos reales de tiempo de supervivencia del cncer de mama, cada uno de los cuales contiene siete firmas genticas. Se estiman los coeficientes de los genes significativos para cada conjunto de datos. La flexibilidad en el manejo de varias distribuciones como modelos paramtricos de supervivencia apoya la aplicacin del algoritmo a una gran variedad de diferentes problemas de supervivencia y representa un marco estadstico robusto para el anlisis de supervivencia en presencia de observaciones extremas.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Sistemas de supervivencia; Observaciones extremas; Multicolinealidad; Covariables; Algoritmos; Funciones robustas
• Keywords:Survival systems; Extreme observations; Multicollinearity; Covariates; Algorithms; Robust functions