📊 statistics

Spatial Proportional Hazards Model with Differential Regularization

Deze paper introduceert een ruimtelijk proportioneel-hazardsmodel dat het locatie-effect benadert via een niet-parametrische functie op een getrianguleerd rooster met differentie-regulering, wat leidt tot consistente schattingen en superieure prestaties in vergelijking met bestaande methoden.

Oorspronkelijke auteurs: Lorenzo Tedesco, Francesco Finazzi

Gepubliceerd 2026-02-17

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Lorenzo Tedesco, Francesco Finazzi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een grote, complexe stad hebt en je wilt begrijpen hoe snel ambulances bij noodgevallen aankomen. Of misschien wil je weten hoe snel mensen een aardbeving voelen, afhankelijk van waar ze wonen.

In de statistiek gebruiken we vaak een model genaamd het "Proportioneel Hazard Model" (PH-model) om dit soort "tijd tot een gebeurtenis" te voorspellen. Het is als een simpele formule die zegt: "Als het regent, duurt het 10% langer. Als het een feestdag is, duurt het 5% langer."

Het probleem:
Deze simpele formule werkt goed voor algemene factoren, maar faalt als het gaat om ruimte. Stel je voor dat je in een stad woont met een vreemde vorm, vol met eilanden, meren en smalle straten. Een simpele formule kan niet goed begrijpen dat een ambulance in het noorden sneller is dan in het zuiden, niet omdat het weer anders is, maar simpelweg omdat de wegen er anders liggen. De huidige modellen zijn te star; ze proberen de ruimte in een rechte lijn te dwingen, wat onnatuurlijk is.

De oplossing van dit papier:
Lorenzo Tedesco en Francesco Finazzi hebben een nieuwe, slimme manier bedacht om dit op te lossen. Ze noemen het een niet-parametrisch model met differentieel regularisatie. Dat klinkt als wiskundetaal, maar laten we het zo uitleggen:

1. De "Warme Vloer" van de Stad (De Ruimtelijke Functie)

In plaats van te zeggen "het noorden is sneller", laten ze de stad zelf spreken. Ze behandelen de stad als een stuk warme vloer.

Sommige plekken zijn heel warm (hoge kans op snelle hulp).
Sommige plekken zijn koud (trage hulp).
De overgang tussen warm en koud is niet scherp, maar glad, net zoals warmte zich geleidelijk verspreidt over een vloer.

Ze gebruiken een techniek uit de natuurkunde genaamd Finite Element Method (FEM). Stel je voor dat je de stad niet ziet als één groot vlak, maar als een mosaïek van driehoekjes (een net). Op elk hoekje van die driehoekjes berekenen ze hoe "warm" (of snel) het daar is. Omdat het net uit driehoekjes bestaat, kunnen ze perfect om de rare vormen van de stad (zoals het San Francisco-gebergte of de kustlijn van Campi Flegrei) heen werken.

2. De "Gladde Smeer" (Differentieel Regularisatie)

Nu is er een gevaar: wat als het model te gek wordt en zegt dat het op punt A heel warm is, maar op punt B (alleen maar een meter verder) ijskoud? Dat is onrealistisch.

Om dit te voorkomen, voegen ze een straf toe aan hun berekening. Dit noemen ze "differentieel regularisatie".

De Analogie: Stel je voor dat je een laken over een berg wilt spannen. Als je het laken te strak trekt, krijg je kreukels en oneffenheden. De "straf" zorgt ervoor dat het laken glad blijft. Het model mag niet te veel "kreukels" (ruis) hebben. Het dwingt het model om een vloeiende, natuurlijke kaart te maken van de risico's.

3. De "Gedeeltelijke Likelihood" (Slimme Gokken)

Normaal gesproken zou je moeten weten precies wanneer iemand een ongeluk heeft gehad om het model te bouwen. Maar in de echte wereld weten we dat vaak niet (bijvoorbeeld: de ambulance is onderweg, maar we weten niet of hij aankomt of niet).
De auteurs gebruiken een slimme truc uit de statistiek (Cox's methode) die alleen kijkt naar de volgorde van gebeurtenissen. "Wie kwam er eerder? De ambulance in het noorden of die in het zuiden?" Zonder te hoeven weten hoe lang het precies duurde, kunnen ze alsnog een heel nauwkeurig beeld krijgen.

Wat hebben ze bewezen?

Ze hebben niet alleen een mooie formule bedacht, maar ook wiskundig bewezen dat:

Het model uniek is (er is maar één juiste kaart).
Als je meer data verzamelt (meer ambulances, meer aardbevingen), wordt de kaart nauwkeuriger en komt hij steeds dichter bij de waarheid.
De resultaten voor de gewone factoren (zoals regen of feestdagen) betrouwbaar blijven, zelfs als je de complexe ruimte erbij haalt.

De Praktijk: Twee Voorbeelden

Ze hebben hun methode getest op twee echte situaties:

Ambulances in San Francisco:
Ze keken naar 7.890 noodgevallen. Het model liet zien dat er een duidelijk patroon is: in het centrum en noordoosten komen ambulances sneller aan. In het zuidwesten duurt het langer. Dit had niets te maken met het weer of de tijd van de dag, maar puur met de straten en de ligging van de stad. Het model zag patronen die een simpele formule nooit had gevonden.
Aardbevingen in Italië (Campi Flegrei):
Hier keken ze naar hoe snel mensen een aardbeving voelden via hun smartphones. Het bleek dat de geologie (de bodem) een enorme rol speelde. Op sommige plekken werden de trillingen versterkt (je voelde het sneller), op andere plekken gedempt. Het model kon deze "versterkingskaart" maken, zelfs met een heel onregelmatige kustlijn.

Conclusie

Kortom: Dit papier introduceert een manier om ruimtelijke patronen in tijd-gebaseerde data te begrijpen, zonder de complexiteit van de werkelijkheid te negeren. Het is alsof je stopt met het proberen van een vierkante peg in een ronde gat, en in plaats daarvan een vormloze, flexibele clay gebruikt die perfect in elke hoek en kromme van de wereld past.

Voor onderzoekers en beleidsmakers betekent dit dat ze nu veel nauwkeuriger kunnen voorspellen waar hulp nodig is, of waar risico's liggen, zelfs in de meest ingewikkelde landschappen.

Titel: Non-parametrisch Proportioneel Hazards Model met Differentiële Regularisatie Toegepast op Ruimtelijke Overlevingsdata

Auteurs: Lorenzo Tedesco en Francesco Finazzi (Universiteit van Bergamo)

1. Probleemstelling en Achtergrond

Het proportioneel hazards (PH) model, geïntroduceerd door Cox (1972), is een hoeksteen van de overlevingsanalyse. Het standaardmodel neemt een log-lineair verband aan tussen covariaten en de hazardfunctie. Echter, bij ruimtelijke overlevingsdata (waarbij de tijd tot een gebeurtenis gekoppeld is aan een specifieke locatie in een domein) is deze lineaire aanname vaak te restrictief om complexe ruimtelijke patronen te vangen.

Bestaande methoden voor niet-parametrische PH-modellen (zoals lokale likelihood of splines) zijn vaak ontworpen voor univariate smoothing of lijden aan instabiliteit, randbias en hoge rekenkosten bij uitbreiding naar twee-dimensionale ruimtelijke domeinen, vooral bij onregelmatige domeingebieden (bijv. kusten of gebieden met gaten). Bestaande ruimtelijke PH-modellen negeren vaak de geometrie van het domein en veronderstellen dat ruimtelijke afhankelijkheid uitsluitend wordt gedreven door Euclidische afstand, wat kan leiden tot vertekende resultaten.

2. Methodologie

De auteurs stellen een nieuw model voor dat de ruimtelijke invloed modelleert via een niet-parametrische functie $h_0(p)$ binnen het klassieke kader van partiële likelihood.

Het Model

De hazardfunctie wordt gedefinieerd als:
$\lambda(t | x, p) = \lambda_0(t) \exp(x^\top \beta_0 + h_0(p))$
Waarbij:

$\lambda_0(t)$ een ongespecificeerde basis-hazard is.
$x$ een vector van covariaten is met lineaire effecten $\beta_0$ .
$p$ de ruimtelijke locatie is en $h_0(p)$ een onbekende, gladde ruimtelijke functie die de resterende ruimtelijke variatie vangt.
Een centralisatievoorwaarde $\int_\Omega h_0(p) dp = 0$ wordt opgelegd voor identificeerbaarheid.

Schatting en Regularisatie

Om de schatting van $h_0$ mogelijk te maken, wordt een gepenaliseerde partiële log-likelihood geoptimaliseerd:
$Q_n(\beta, h) = \text{Log-partial likelihood} - \frac{\lambda}{2} \int_\Omega (\Delta h(p))^2 dp$

Differentiële Regularisatie: De strafterm bevat de Laplace-operator ( $\Delta$ ), die de lokale kromming van de functie meet. Dit dwingt gladheid af zonder de geometrie van het domein te negeren.
Finite Element Methode (FEM): Om het probleem op onregelmatige domeinen op te lossen, wordt de ruimte van functies geapproximeerd met een eindige-dimensie subspace gebaseerd op een triangulatie van het domein.
- Er wordt gebruik gemaakt van $C^1$ -conforme elementen (bijv. Argyris-elementen, polynomen van graad 5), omdat de strafterm de tweede afgeleide vereist.
- Homogene Neumann-randvoorwaarden ( $\nabla h \cdot n = 0$ ) worden toegepast.

Sieve Methodiek

De schatting gebeurt binnen het kader van Sieve M-schatting (Chen, 2007). De oneindig-dimensionale ruimte wordt benaderd door een rij van eindig-dimensionale subspaces ( $H_n$ ) die dichter worden naarmate de steekproefgrootte ( $n$ ) toeneemt. Dit maakt het mogelijk om asymptotische eigenschappen af te leiden.

Numerieke Implementatie

Het optimalisatieprobleem is convex en differentieerbaar.
De gradienten worden analytisch berekend en een BFGS quasi-Newton algoritme wordt gebruikt voor maximalisatie.
De regularisatieparameter $\lambda$ wordt geselecteerd via cross-validatie (minimatie van de cross-validated partiële likelihood deviance).

3. Belangrijkste Bijdragen

Ruimtelijke Flexibiliteit: Het model kan complexe, onregelmatige domeinen (met holtes, niet-convexe vormen) nauwkeurig modelleren door gebruik te maken van FEM op een triangulatie, in tegenstelling tot methoden die op een rooster of Euclidische afstand zijn gebaseerd.
Theoretische Fundamenten: De auteurs bewijzen:
- Identificeerbaarheid van het model.
- Consistentie van de sieve-schatter.
- Asymptotische normaliteit van het parametrische deel ( $\hat{\beta}$ ), wat betrouwbare inferentie (p-waarden, betrouwbaarheidsintervallen) mogelijk maakt ondanks de aanwezigheid van de oneindig-dimensionale ruimtelijke component.
Efficiënte Schatting: Door de combinatie van differentiële regularisatie en FEM wordt een concave optimalisatieprobleem verkregen dat efficiënt oplosbaar is met standaard numerieke methoden.

4. Resultaten

Simulatiestudies

Simulaties werden uitgevoerd op een "hoefijzer-vormig" domein.
Vergelijking: Het voorgestelde model presteerde aanzienlijk beter dan het standaard PH-model en een GAM-benadering (met thin-plate splines).
Prestaties:
- Het model herstelde de ruimtelijke effecten nauwkeurig met een veel lagere $L_2$ -bias dan de GAM-aanpak.
- De schattingen van de regressiecoëfficiënten ( $\beta$ ) vertoonden weinig bias en de dekking van 95% betrouwbaarheidsintervallen was dicht bij het theoretische niveau.
- Het standaard PH-model toonde persistente bias in $\beta$ door modelmisspecificatie.

Empirische Toepassingen

Ambulance-reactietijden in San Francisco:
- Analyseerde 7.890 interventies.
- Het model identificeerde significante effecten van weersomstandigheden (neerslag) en tijdsperiodes (12-uurs cyclus).
- De ruimtelijke kaart onthulde structurele verschillen in reactietijden die niet door covariaten werden verklaard (bijv. langzamere reacties in het zuidwesten, sneller in het centrum), wat samenhangt met de stedelijke geometrie en infrastructuur.
Aardbevingsdata (Campi Flegrei, Italië):
- Gebruik van crowdsourced smartphone-data om de tijd tot detectie van een aardbeving te modelleren.
- Het model bevestigde dat de hazard (kans op detectie) afneemt met de afstand tot het epicentrum.
- De ruimtelijke component onthulde een oost-west gradiënt in de "site amplification" (versterking van seismische golven door lokale geologie), wat overeenkomt met eerdere bevindingen maar nu direct uit de trigger-tijden wordt afgeleid.

5. Betekenis en Conclusie

Dit artikel biedt een robuust en flexibel raamwerk voor de analyse van ruimtelijke overlevingsdata. Door de combinatie van partiële likelihood, differentiële regularisatie en Finite Element Methodes, overkomt de methode de beperkingen van bestaande benaderingen wat betreft onregelmatige domeinen en geometrische complexiteit.

De belangrijkste implicaties zijn:

Betere Inferentie: Het vermijden van bias in regressiecoëfficiënten door het correct modelleren van ruimtelijke heterogeniteit.
Interpreteerbaarheid: Het leveren van hoge-resolutie kaarten van het risico (hazard) die structurele ruimtelijke patronen blootleggen.
Generaliseerbaarheid: De methode is niet beperkt tot punt-data, maar kan worden uitgebreid naar areale data (bijv. administratieve districten) en netwerkgestructuren.

De auteurs wijzen op toekomstig onderzoek gericht op het ontwikkelen van diagnostische tools voor het toetsen van de proportioneel-hazards-aanname in aanwezigheid van niet-parametrische ruimtelijke effecten en het kwantificeren van de onzekerheid van de ruimtelijke schatting zelf.