초록 의학 연구는 종종 치료의 효능을 평가하기 위해 여러 임상 사건을 결합한 복합 엔드포인트 연구와 관련이 있습니다. 복합 엔드포인트를 구성할 때 첫 번째 사건까지의 시간을 분석하는 것이 일반적인 관행입니다. 그러나 이 접근법은 첫 번째 사건 이후 발생하는 결과를 간과하여 정보 손실을 초래합니다. 더 나아가, 최종 사건은 중요할 뿐만 아니라 다른 유형의 결과에 대한 경쟁적 위험이 될 수 있습니다. 기존의 반파라메트릭 회귀 모델은 치명적인(최종) 및 비치명적인 복합 사건을 분석하는 데 사용할 수 있지만, 비선형 공변수 효과가 비율 함수의 로그에 미치는 영향은 다루어지지 않았습니다. 이 중요한 문제를 해결하기 위해 비치명적인 복합 사건과 최종 사건으로 구성된 복합 엔드포인트를 위한 랜덤 포레스트(Rforce)를 소개합니다. Rforce는 일반화된 추정 방정식을 활용하여 나무를 구축하고, 최종 사건으로 인한 종속 검열을 의사 위험 지속의 개념으로 처리합니다. Rforce의 성능을 입증하기 위해 시뮬레이션 연구와 실제 데이터 분석이 수행되었습니다.
Wang et al. (Sun,)은 이 질문을 연구했습니다.