Process / pipelineClinical / epidemiology
贝叶斯Kaplan-Meier分析 — 贝叶斯非参数生存曲线估计
贝叶斯Kaplan-Meier分析通过在生存函数上放置先验分布，并用观测到的事件时间数据进行更新，以获得生存曲线的完整后验分布，从而扩展了经典的Kaplan-Meier估计量。该方法源于Susarla和Van Ryzin 1976年的Dirichlet过程框架，产生可信区间而非置信区间，并能连贯地纳入先验临床知识，在小样本或早期临床试验中尤其有价值。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Susarla, V., & Van Ryzin, J. (1976). Nonparametric Bayesian estimation of survival curves from incomplete observations. Journal of the American Statistical Association, 71(356), 897–902. DOI: 10.1080/01621459.1976.10480966 ↗
- Diaconis, P., & Freedman, D. (1986). On the consistency of Bayes estimates. The Annals of Statistics, 14(1), 1–26. DOI: 10.1214/aos/1176349830 ↗
如何引用本页
ScholarGate. (2026, June 3). Bayesian Nonparametric Kaplan-Meier Survival Analysis. ScholarGate. https://scholargate.app/zh/epidemiology/bayesian-kaplan-meier-analysis
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 贝叶斯Cox比例风险模型流行病学↔ 比较
- Cox比例风险模型流行病学↔ 比较
- Kaplan-Meier分析流行病学↔ 比较
- 生存分析研究统计学↔ 比较