Forecasting survival risks for time-to-event data is an essential task in clinical research. Practitioners often rely on well-structured statistical models to make predictions for patient survival outcomes. The nonparametric proportional hazards model, as an extension of the Cox proportional hazards model, involves an additive nonlinear combination of covariate effects for hazards regression and may be more flexible. When there are a large number of predictors, nonparametric smoothing for different variables cannot be simultaneously optimal using the conventional fitting program. To address such a limitation and still maintain the nonparametric flavour, we present a novel model averaging method to produce model-based prediction for survival outcome and our method automatically offers optimal smoothing for individual nonparametric functional estimation. The proposed semiparametric model averaging prediction (SMAP) method basically approximates the underlying unstructured nonparametric regression function by a weighted sum of low-dimensional nonparametric submodels. The weights are obtained from maximizing the partial likelihood constructed for the aggregated model. Theoretical properties are discussed for the estimated model weights. Simulation studies are conducted to examine the performance of SMAP under various evaluation criteria. Two real examples from genetic research studies motivated our work and are analysed by the proposed SMAP to produce new scientific findings.

中文翻译：

---

通过危害回归对寿命数据进行半参数模型平均预测

预测事件时间数据的生存风险是临床研究中的一项基本任务。从业者通常依靠结构良好的统计模型来预测患者的生存结果。非参数比例风险模型作为 Cox 比例风险模型的扩展，涉及用于风险回归的协变量效应的加性非线性组合，并且可能更加灵活。当有大量预测变量时，使用传统拟合程序无法同时优化不同变量的非参数平滑。为了解决这种限制并仍然保持非参数风味，我们提出了一种新的模型平均方法来产生基于模型的生存结果预测，我们的方法自动为个体非参数函数估计提供最佳平滑。所提出的半参数模型平均预测 (SMAP) 方法基本上通过低维非参数子模型的加权和来近似潜在的非结构化非参数回归函数。权重是通过最大化为聚合模型构建的部分似然而获得的。讨论了估计模型权重的理论特性。进行模拟研究以检查 SMAP 在各种评估标准下的性能。来自基因研究的两个真实例子激发了我们的工作，并由提议的 SMAP 进行分析以产生新的科学发现。所提出的半参数模型平均预测 (SMAP) 方法基本上通过低维非参数子模型的加权和来近似潜在的非结构化非参数回归函数。权重是通过最大化为聚合模型构建的部分似然而获得的。讨论了估计模型权重的理论特性。进行模拟研究以检查 SMAP 在各种评估标准下的性能。来自基因研究的两个真实例子激发了我们的工作，并由提议的 SMAP 进行分析以产生新的科学发现。所提出的半参数模型平均预测 (SMAP) 方法基本上通过低维非参数子模型的加权和来近似潜在的非结构化非参数回归函数。权重是通过最大化为聚合模型构建的部分似然而获得的。讨论了估计模型权重的理论特性。进行模拟研究以检查 SMAP 在各种评估标准下的性能。来自基因研究的两个真实例子激发了我们的工作，并由提议的 SMAP 进行分析以产生新的科学发现。权重是通过最大化为聚合模型构建的部分似然而获得的。讨论了估计模型权重的理论特性。进行模拟研究以检查 SMAP 在各种评估标准下的性能。来自基因研究的两个真实例子激发了我们的工作，并由提议的 SMAP 进行分析以产生新的科学发现。权重是通过最大化为聚合模型构建的部分似然而获得的。讨论了估计模型权重的理论特性。进行模拟研究以检查 SMAP 在各种评估标准下的性能。来自基因研究的两个真实例子激发了我们的工作，并由提议的 SMAP 进行分析以产生新的科学发现。