fa تحلیل دادەهای بقا با روش‌های یادگیری آماری آمار کاربردی Applied Statistics كاربردي و توسعه ای Applied با توجه به حجم و پیچیدگی  داده‌های نوظهور در تحلیل بقا، بکارگیری روش‌های یادگیری آماری در این حوزه به امری اجتناب ناپذیر بدل شده است. این روش‌ها قادر به برآورد احتمال بقا و تأثیر عوامل مختلف بر بقا هستند. در این مقاله، عملکرد مدل کاکس به عنوان یک مدل رایج در تحلیل بقا با روش‌های مبتنی بر تاوان مانند کاکس ریج و لاسو و  روش‌های مبتنی بر یادگیری آماری مانند جنگل بقای تصادفی و شبکه عصبی مورد مقایسه قرار گرفته است. نتایج شبیه‌سازی‌ها در این مطالعه نشان می‌دهد که در شرایط وجود رابطه خطی بین متغیرها، عملکرد مدل‌های مذکور تقریباً مشابه مدل کاکس است اما در حالات غیرخطی و بالا بودن بعد متغیرها، روش‌هایی مانند کاکس لاسو، جنگل بقای تصادفی و شبکه عصبی عملکرد بهتری دارند. درنهایت به منظور ارزیابی عملکرد این مدل‌ها در تحلیل داده‌های بیماران مبتلا به آترواسکلروز مورد استفاده قرار گرفتند و نتایج نشان داد که در مواجهه با داده‌هایی با تعداد متغیرهای تبیینی زیاد، رویکردهای یادگیری آماری به طور کلی عملکرد بهتری نسبت به مدل‌های کلاسیک تحلیل بقا دارند. Due to the volume and complexity of emerging data in survival analysis, it is necessary to use statistical learning methods in this field. These methods can estimate the probability of survival and the effect of various factors on the survival of patients. In this article, the performance of the Cox model as a common model in survival analysis is compared with compensation-based methods such as Cox Ridge and Cox Lasso, as well as statistical learning methods such as random survival forests and neural networks. The simulation results show that in linear conditions, the performance of the models mentioned above is similar to the Cox model. In non-linear conditions, methods such as Cox lasso, random survival forest, and neural networks perform better. Then, these models were evaluated in the analysis of the data of patients with atheromatous, and the results showed that when faced with data with a large number of explanatory variables, statistical learning approaches generally perform better than the classical survival model. تحلیل بقا, یادگیری آماری, مدل کاکس, جنگل بقای تصادفی, شبکه عصبی Survival Analysis, Statistical Learning, Cox Model, Random Survival Forest, Neural Network. 415 434 http://jss.irstat.ir/browse.php?a_code=A-10-625-3&slc_lang=fa&sid=1 Mehrnoosh Madadi مهرنوش مددی mmadadi625@gmail.com 1960481991 0009-0006-7865-5818 No Department of Statistics, Tarbiat Modares University دانشگاه تربیت مدرس Kiomars Motarjem کیومرث مترجم k.motarjem@modares.ac.ir 3329869135 10031947532846009192 Yes Department of Statistics, Tarbiat Modares University دانشگاه تربیت مدرس