Buchumschlag

Comparison of the Cox proportional hazards model and Random Survival Forest algorithm for predicting patient-specific survival probabilities in clinical trial data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Graf, Ricarda, Todd, Susan, Baksh, M. Fazil
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Polygenic hazard score models for the prediction of Alzheimer's free survival using the lasso for Cox's proportional hazards model
von: Georg Hahn, et al.
Veröffentlicht: (2024)

On the Tunability of Random Survival Forests Model for Predictive Maintenance
von: Yardımcı, Yigitcan, et al.
Veröffentlicht: (2025)

Square root Cox's survival analysis by the fittest linear and neural networks model
von: van Cutsem, Maxime, et al.
Veröffentlicht: (2025)

Advancing clinical trial outcomes using deep learning and predictive modelling: bridging precision medicine and patient-centered care
von: Anuyah, Sydney, et al.
Veröffentlicht: (2024)

S-SIRUS: an explainability algorithm for spatial regression Random Forest
von: Patelli, Luca, et al.
Veröffentlicht: (2024)

tdCoxSNN: Time-Dependent Cox Survival Neural Network for Continuous-time Dynamic Prediction
von: Zeng, Lang, et al.
Veröffentlicht: (2023)

One-sample survival tests in the presence of non-proportional hazards in oncology clinical trials
von: Szurewsky, Chloé, et al.
Veröffentlicht: (2025)

Isotonic Survival Regression: Calibrated Survival Distributions from Deep Cox Models
von: Jain, Anchit, et al.
Veröffentlicht: (2026)

Privacy enhanced collaborative inference in the Cox proportional hazards model for distributed data
von: Hu, Mengtong, et al.
Veröffentlicht: (2024)

Can artificial intelligence predict clinical trial outcomes?
von: Jin, Shuyi, et al.
Veröffentlicht: (2024)

A comparative analysis of machine learning algorithms for predicting probabilities of default
von: Cristescu, Adrian Iulian, et al.
Veröffentlicht: (2025)

CoxNTF: A New Approach for Joint Clustering and Prediction in Survival Analysis
von: Fogel, Paul, et al.
Veröffentlicht: (2025)

Online Survival Analysis: A Bandit Approach under Cox PH Model
von: Xu, Yang, et al.
Veröffentlicht: (2026)

FastSurvival: Hidden Computational Blessings in Training Cox Proportional Hazards Models
von: Liu, Jiachang, et al.
Veröffentlicht: (2024)

Stage-specific cancer survival prediction enriched by explainable machine learning
von: Poorhasani, Parisa, et al.
Veröffentlicht: (2026)

FederatedRSF : Federated Random Survival Forests for Partially Overlapping Medical Data
von: Moradpour, Maryam, et al.
Veröffentlicht: (2026)

CoxSE: Exploring the Potential of Self-Explaining Neural Networks with Cox Proportional Hazards Model for Survival Analysis
von: Alabdallah, Abdallah, et al.
Veröffentlicht: (2024)

MixEHR-SurG: a joint proportional hazard and guided topic model for inferring mortality-associated topics from electronic health records
von: Li, Yixuan, et al.
Veröffentlicht: (2023)

Moment-assisted subsampling method for Cox proportional hazards model with large-scale data
von: Su, Miaomiao, et al.
Veröffentlicht: (2025)

Forest-ORE: Mining Optimal Rule Ensemble to interpret Random Forest models
von: Maissae, Haddouchi, et al.
Veröffentlicht: (2024)

Predicted-occupancy grids for vehicle safety applications based on autoencoders and the Random Forest algorithm
von: Nadarajan, Parthasarathy, et al.
Veröffentlicht: (2025)

A Goemans-Williamson type algorithm for identifying subcohorts in clinical trials
von: Worah, Pratik
Veröffentlicht: (2025)

Flow-based generative models as iterative algorithms in probability space
von: Xie, Yao, et al.
Veröffentlicht: (2025)

SeqRisk: Transformer-augmented latent variable model for robust survival prediction with longitudinal data
von: Öğretir, Mine, et al.
Veröffentlicht: (2024)

Guided Random Forest and its application to data approximation
von: Gupta, Prashant, et al.
Veröffentlicht: (2019)

Learning task-specific predictive models for scientific computing
von: Yin, Jianyuan, et al.
Veröffentlicht: (2025)

Random Survival Forest for Censored Functional Data
von: Romano, Elvira, et al.
Veröffentlicht: (2024)

Heterogeneous Random Forest
von: Kim, Ye-eun, et al.
Veröffentlicht: (2024)

Random Forest Calibration
von: Shaker, Mohammad Hossein, et al.
Veröffentlicht: (2025)

Extending Cox Proportional Hazards Model with Symbolic Non-Linear Log-Risk Functions for Survival Analysis
von: Cheng, Jiaxiang, et al.
Veröffentlicht: (2025)

Rashomon perspective for measuring uncertainty in the survival predictive maintenance models
von: Yardimci, Yigitcan, et al.
Veröffentlicht: (2025)

Exact Bayesian Gaussian Cox Processes Using Random Integral
von: Tang, Bingjing, et al.
Veröffentlicht: (2024)

missForestPredict -- Missing data imputation for prediction settings
von: Albu, Elena, et al.
Veröffentlicht: (2024)

Neural Random Forest Imitation
von: Reinders, Christoph, et al.
Veröffentlicht: (2019)

Jacobian Aligned Random Forests
von: Rauniyar, Sarwesh
Veröffentlicht: (2025)

Random Similarity Isolation Forests
von: Chwilczyński, Sebastian, et al.
Veröffentlicht: (2025)

Improving Random Forests by Smoothing
von: Liu, Ziyi, et al.
Veröffentlicht: (2025)

AR-Sieve Bootstrap for the Random Forest and a simulation-based comparison with rangerts time series prediction
von: Fokam, Cabrel Teguemne, et al.
Veröffentlicht: (2024)

A Meta-analytical Comparison of Naive Bayes and Random Forest for Software Defect Prediction
von: Awais, Ch Muhammad, et al.
Veröffentlicht: (2023)

Survival Analysis Revisited: Understanding and Unifying Poisson, Exponential, and Cox Models in Fall Risk Analysis
von: Chen, Tianhua
Veröffentlicht: (2025)