Na análise de dados de sobrevivência ultradimensionais, identificar fatores-chave associados ao tempo de sobrevivência dos pacientes a partir de um grande conjunto de covariáveis é essencial para otimizar estratégias de tratamento e avançar na medicina de precisão. A triagem de características é uma abordagem eficaz para abordar essa questão, mas um problema-chave e desafiador é como escolher um limite apropriado para distinguir variáveis importantes das irrelevantes. Neste artigo, propomos um método de seleção de limiar baseado em dados, com uma estratégia de divisão de dados e uma técnica de reagrupamento, permitindo a seleção de um limite apropriado em diferentes cenários para melhor distinguir entre covariáveis ativas e inativas. Com base no limite selecionado, introduzimos um método de triagem de características para dados de sobrevivência ultradimensionais com censura à direita. A vantagem significativa desse método é que ele não apenas permite uma redução de dimensionalidade rápida e eficaz, enquanto retém com precisão todas as variáveis importantes, mas também controla a taxa de descoberta falsa (FDR) dentro de um certo intervalo. Sob certas condições de regularização, estabelecemos a estrutura teórica para o procedimento proposto, incluindo a propriedade de triagem segura, a propriedade de consistência de classificação, a teoria de amostra finita para controle de FDR e as teorias assintóticas para controle de FDR. Simulações numéricas mostram que o método proposto apresenta excelente desempenho tanto na seleção de variáveis quanto no controle de FDR, superando significativamente os métodos existentes. Finalmente, aplicamos o método proposto para analisar o conjunto de dados do linfoma difuso de grandes células B, validando ainda mais sua eficácia e aplicabilidade prática.
Jing et al. (Qui,) estudaram essa questão.