深度学习用于生存分析中的累积效应

本文介绍了CENNSurv，这是一种新的深度学习方法，用于模拟时间依赖性暴露对生存结果的累积效应。它解决了现有方法的局限性，例如基于样条的方法需要重复数据转换以及某些神经网络方法缺乏可解释性。本文强调了CENNSurv捕捉复杂时间模式的能力，并提供了可解释的见解，使其成为研究累积效应的研究人员的宝贵工具。

• •介绍了CENNSurv，这是一种用于生存分析的深度学习方法。
• •解决了现有方法在数据转换和可解释性方面的局限性。
• •展示了对复杂时间模式进行建模并提供可解释见解的能力。
• •在真实世界的数据集上进行了评估，展示了实际应用。