非参数估计方法在生存曲线风险比比较中的应用：基于累积风险函数的局部恒定模型

为解决传统Cox比例风险模型(PH)在时变风险比场景下的局限性，研究人员开发了基于累积风险函数(cumulative hazard function)的非参数估计方法。通过构建局部恒定(locally constant)的时变风险比模型，提出分段点(change points)选择算法，并扩展至分层分析。仿真显示该方法在覆盖率和效率上优于Cox MLE，为右删失(right censoring)数据提供更灵活的分析工具。

　　

这项研究开创性地提出基于估计方程的非参数风险比(HR)估计框架，通过巧妙利用组别特异性累积风险函数(cumulative hazard function)，突破了传统比例风险模型(PH)的恒定HR假设限制。针对时变风险场景，研究者构建了局部恒定(locally constant)的HR分段模型，并开发了自适应分段点(change points)检测算法。方法进一步扩展至分层分析，可检验不同层间HR的异质性。

仿真实验揭示，相较于Cox偏最大似然估计(MLE)，新方法在有限样本条件下展现出更优的统计效率，其覆盖率(confidence interval coverage)更接近理论值。特别是在存在右删失(right censoring)的复杂生存数据中，该方法展现出稳健的估计性能。实际应用案例证实，该技术能有效捕捉HR随时间变化的动态特征，为精准医学时代的生存分析提供了新的方法论武器。