Resumen

En la investigación biomédica, un objetivo principal es identificar los factores de riesgo y estudiar sus impactos en el riesgo, ya que esta identificación puede ayudar a los clínicos tanto a tomar decisiones adecuadas como a aumentar la eficiencia de los tratamientos y la asignación de recursos. Se propone un procedimiento basado en penalización de dos pasos para seleccionar los coeficientes de regresión lineal para componentes lineales e identificar funciones significativas de coeficiente variable no paramétricas para modelos Cox semiparamétricos de coeficiente variable parcialmente lineal. Se demuestra que los estimadores resultantes basados en penalización de los coeficientes de regresión lineal son asintóticamente normales y tienen propiedades de oráculo, y los estimadores resultantes de las funciones de coeficiente variable tienen tasas de convergencia óptimas. Se presenta un estudio de simulación y un ejemplo empírico para ilustración.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Factores de riesgo; Coeficientes de regresión lineal; Funciones de coeficiente variable; Modelos de Cox; Procedimiento basado en penalizaciones; Estudio de simulación
• Keywords:Risk factors; Linear regression coefficients; Varying-coefficient functions; Cox models; Penalized-based procedure; Simulation study