2021年12月20日上午8点，我院在教学科研楼507室邀请博士研究生蒋京京同学做线下学术报告，2020级和2021级全体研究生参加了此次会议，文体部负责人毛祥同学主持了本次报告会。

报告题目：Bayesian transformation models with partly interval-censored data

摘要：In many scientific fields, partly interval-censored data, which consist of exactly observed and interval-censored observations on the failure time of interest, appear frequently. However, methodological developments in the analysis of partly interval-censored data are relatively limited and have mainly focused on additive or proportional hazards models. The general linear transformation model provides a highly flexible modeling framework that includes several familiar survival models as special cases. Despite such nice features, the inference procedure for this class of models has not been developed for partly interval-censored data. We propose a fully Bayesian approach, together with efficient Markov chain Monte Carlo methods, to fill this gap. A four-stage data augmentation procedure is introduced to tackle the challenges presented by the complex model and data structure. The proposed method is easy to implement and computationally attractive. The empirical performance of the proposed method is evaluated through two simulation studies, and the model is then applied to a dental health study.

会议过程中蒋京京同学简要阐述了其论文的背景知识和哈密顿蒙特卡洛算法改进算法的图表结果。在许多科学领域中，经常出现部分区间截尾数据，包括精确观测数据和区间删失观测数据。然而部分区间截尾数据分析方法的发展相对有限，故提出了一种完全贝叶斯方法和有效的马尔可夫链蒙特卡罗方法，该方法易于实现，操作可行。最后蒋京京给出了该算法的实际应用讲解，验证了该算法的有效性，最终得到了如下结论：

1.本研究扩展了现有的文献，以适应部分区间审查数据的转换模型。

2.该方法假设每个协变量由一个单变量表示，没有测量误差。

3.生存模型的贝叶斯自适应组Lasso和钉板变量选择程序可以引入到当前的模型上下文，以同时进行模型选择和参数估计。

4.医学影像在各种疾病的筛查、诊断、预后和治疗中已成为越来越重要的工具。

5.利用哈密顿蒙特卡洛算法可以改进原有算法，提高计算效率，特别是在大规模数据集的情况下。

6.最后，本研究确定了链路参数r。考虑一个通用的数据驱动过程来估计r。

会后，同学们及时对蒋京京同学的成果进行总结和记录，在精确观测数据和区间删失数据方面的处理增加了许多经验，大家对于马尔可夫链蒙特卡罗方法的高效性有了更加深入的了解和兴趣。本次学术交流会使大家深入了解了统计学领域更新的学术成果，拓展了同学们的视野，聆听报告的师生均表示受益颇多。

数学与统计学院

2021年12月20日