Remove legacy event and mixed distribution paths

README.md

@@ -6,7 +6,9 @@
 疾病序列 stream + 统一的额外信息 token stream
 ```
 
-疾病、死亡、checkup 事件保存在预处理事件文件中；性别单独保存在 `basic_info`；其他体检、暴露、生活方式等信息统一整理成 `(type, value, value_kind, time)` token。dataset 仅在实验选择了至少一种 extra-info type 时保留 checkup；显式传入空列表时，模型输入是没有 checkup 的纯疾病历史。
+疾病和死亡事件保存在预处理事件文件中；性别单独保存在 `basic_info`；其他体检、暴露、生活方式等信息统一整理成 `(type, value, value_kind, time)` token。每个额外信息 token 自带测量时间并直接与疾病 token 拼接，不再生成或使用 assessment/checkup 事件 token。dataset 会无条件清除旧预处理文件中遗留的 `label=1` 事件。
+
+所有连续额外信息强制使用训练子集拟合的 RobustScale（median/IQR）。center 和 scale 保存为模型 buffer，并用于验证集、测试集和推理；代码不提供未标准化模式，缺少 scaler buffer 的连续变量 checkpoint 不受支持。该规则同时适用于 `next_token` 和 `all_future`。
 
 ## 数据准备
 
@@ -28,7 +30,7 @@ python prepare_data.py
 - `ukb_event_data.npy`
   - 形状为 `(N, 3)`
   - 每行是 `(eid, days, label)`
-  - 包含疾病、死亡、checkup 事件
+  - 包含疾病和死亡事件
 
 - `ukb_basic_info.csv`
   - index 为 `eid`
@@ -64,7 +66,7 @@ python prepare_data.py
 
 - `AllFutureHealthDataset`
   - 用于 query-conditioned all-future 监督
-  - 对应 `ExponentialLoss`、`WeibullLoss`、`MixedLoss`
+  - 对应 `ExponentialLoss`、`WeibullLoss`
 
 为了兼容旧训练入口：
 
@@ -215,7 +217,6 @@ all-future / query-conditioned 监督：
 
 - `ExponentialLoss`
 - `WeibullLoss`
-- `MixedLoss`
 
 all-future 训练只读出 `t_query` 对应的 query hidden。展开的 extra-info tokens 作为主序列上下文输入，但不会被单独读出，也不会被纳入 loss 监督。
 
@@ -232,7 +233,7 @@ all-future 训练只读出 `t_query` 对应的 query hidden。展开的 extra-in
 - `train_all_future.py`
   - 使用 `AllFutureHealthDataset`
   - 不使用 readout，直接对 query hidden 计算风险
-  - `--dist_mode exponential/weibull/mixed` 分别搭配 `ExponentialLoss`、`WeibullLoss`、`MixedLoss`
+  - `--dist_mode exponential/weibull` 分别搭配 `ExponentialLoss`、`WeibullLoss`
   - 展开的 extra-info tokens 只作为 query 上下文，不单独监督
 
 当前 `train_next_step.py` / `train_all_future.py` 支持所有已有训练目标定义的组合：
@@ -242,7 +243,6 @@ all-future 训练只读出 `t_query` 对应的 query hidden。展开的 extra-in
 | `next_token` | `absolute` | `target_mode=delphi2m`, `dist_mode=exponential` | `Delphi2MLoss` + `token` |
 | `all_future` | `relative`, `absolute` | `dist_mode=exponential` | `ExponentialLoss`，无 readout |
 | `all_future` | `relative`, `absolute` | `dist_mode=weibull` | `WeibullLoss`，无 readout |
-| `all_future` | `relative`, `absolute` | `dist_mode=mixed` | `MixedLoss`，无 readout |
 
 示例：
 
@@ -366,7 +366,7 @@ python evaluate_auc.py \
 - 为每个患者和 landmark age 构造 landmark query 样本。
 - 根据模型模式插入 `<NO_EVENT>` token 或直接传 `t_query`，取 landmark/query hidden。
 - 对疾病 token 分块投影到 `risk_head`；`score_mode="risk"` 时会根据 `dist_mode` 把线性输出转换为固定 horizon 风险概率。
-- 分布转换规则与 all-future 训练损失一致：`exponential` 使用 `1 - exp(-rate * horizon)`；`weibull` 使用 `1 - exp(-rate * horizon ** rho)`；`mixed` 中普通疾病使用 exponential，死亡 endpoint 使用 Weibull death rho。
+- 分布转换规则与 all-future 训练损失一致：`exponential` 使用 `1 - exp(-rate * horizon)`；`weibull` 使用 `1 - exp(-rate * horizon ** rho)`。
 - `score_mode="eta"` 是诊断用排序分数，不使用 `rho`，因此不区分不同分布的风险曲线。
 - 按疾病、性别、landmark age、horizon 计算 incident disease AUC。
 - 可选择排除 horizon 内先于目标疾病发生的死亡竞争风险。
@@ -402,7 +402,7 @@ python evaluate_auc_v2.py \
 | 评估口径 | next-step/token-level 预测点 | landmark fixed-horizon incident risk |
 | 查询位置 | next-token 用满足 offset 条件的最新 readout token；all-future 直接用该预测点年龄作为 `t_query` | next-token 用人工插入的 `<NO_EVENT>` landmark token；all-future 直接用 `t_query` |
 | 时间参数 | `offsets`：预测点至少早于目标事件多少年 | `landmark_*` 和 `horizons`：固定年龄点与未来窗口 |
-| score 与分布 | 使用 eta/logit 排序分数；不按 `dist_mode` 转换风险概率 | `score_mode="risk"` 按 `dist_mode` 区分 exponential / Weibull / mixed；`score_mode="eta"` 不区分分布 |
+| score 与分布 | 使用 eta/logit 排序分数；不按 `dist_mode` 转换风险概率 | `score_mode="risk"` 按 `dist_mode` 区分 exponential / Weibull；`score_mode="eta"` 不区分分布 |
 | 病例定义 | target table 中出现目标疾病的患者/事件 | landmark 后 horizon 内首次发生目标疾病 |
 | 对照定义 | 从未出现该疾病的患者的 eligible target occurrence | landmark 时未患病，且 horizon 内未发病并有足够随访 |
 | 分层 | sex + age bracket + offset | sex + landmark age + horizon |
@@ -450,4 +450,4 @@ python evaluate_auc_v2.py \
   - landmark fixed-horizon incident disease AUC 评估
   - next-token 模型通过插入 `<NO_EVENT>` landmark token 查询固定年龄点风险
   - all-future 模型直接通过 `t_query` 查询固定年龄点风险
-  - `score_mode="risk"` 按 exponential / Weibull / mixed 分布计算固定 horizon 风险
+  - `score_mode="risk"` 按 exponential / Weibull 分布计算固定 horizon 风险