Seleção de variáveis no modelo de Cox linear funcional

Resumo Estudos biomédicos modernos frequentemente coletam sinais fisiológicos complexos e de alta dimensão usando dispositivos vestíveis e sensores, juntamente com desfechos de tempo até o evento, tornando métodos eficientes de seleção de variáveis cruciais para a interpretação e melhoria da precisão dos modelos de sobrevivência. Propomos um novo método de seleção de variáveis para um modelo de Cox linear funcional com múltiplas covariáveis funcionais e escalares medidas na linha de base. Utilizamos uma abordagem de estimativa semiparamétrica baseada em splines para os coeficientes funcionais e uma penalidade do tipo minimax côncava para grupos, que integra efetivamente suavidade e esparsidade na estimativa dos coeficientes funcionais. Um algoritmo de descida em grupo eficiente é utilizado para otimização, e um procedimento automatizado é fornecido para selecionar valores ótimos dos parâmetros de suavização e esparsidade. Através de estudos de simulação, demonstramos a capacidade do método de realizar seleção e estimativa de variáveis precisas. O método é aplicado à coorte de 2003–2006 do National Health and Nutrition Examination Survey, identificando os padrões de distribuição temporalmente variáveis de atividade física e preditores demográficos relacionados à mortalidade por todas as causas. Nossa análise lança luz sobre a associação intrincada entre os padrões diários de distribuição de atividade física e a mortalidade por todas as causas entre adultos mais velhos nos EUA.