Metodi di regolarizzazione per analisi di sopravvivenza

La tesi affronta l’analisi di sopravvivenza in contesti ad alta dimensionalità, con particolare attenzione all’estensione del modello di Cox a rischi proporzionali tramite tecniche di regolarizzazione come Ridge, Lasso ed Elastic Net, messe a confronto con metodi standard di selezione del modello ottimale. Viene inoltre analizzato l’effetto dei dati mancanti e delle tecniche di imputazione multipla sulle stime dei modelli penalizzati. La prima parte del lavoro ha carattere teorico e approfondisce i principi metodologici delle penalizzazioni, mentre la seconda propone un’applicazione su un dataset clinico reale, al fine di valutare le prestazioni e la capacità predittiva dei diversi approcci di modellizzazione.