本文探讨了生存分析中的多种方法，包括基于神经网络的模型和评分规则的扩展。研究表明，Cox比例风险模型在低维度右删失数据中仍然有效，并通过新方法优化了生存风险的估计，展示了在竞争风险情境下的优势。

本文介绍了一种新的参数方法，用于评估具有截尾数据的时间事件预测问题中的相对风险。该方法通过联合学习输入协变量的深度非线性表示，在多个不同程度的截尾实际世界数据集上估算生存风险的优势，并证明了在竞争风险情景中的优势。这是在存在截尾时进行全参数生存时间与竞争风险估计的第一项研究。

本文介绍了一种新的参数方法，用于评估具有截尾数据的时间事件预测问题中的相对风险。该方法通过学习输入协变量的深度非线性表示，在多个截尾实际世界数据集上估算生存风险，并在竞争风险情景中展示了优势。这是第一项在存在截尾时进行全参数生存时间与竞争风险估计的研究。