4

Cox の回帰を使用してモデル化された問題があり、個人の推定生存時間を予測したいと考えています。モデルには、生存時間が依存する共変量のリストがあります。これは、基本的に特定の個人の生存関数 (1-CDF) である P(T>t) を計算する方法を教えてくれます。

少し違う何かを予測したい。使用された共変量の値を指定して、その人の推定生存日数を予測したいと思います。私によると、これはpdfからのサンプリングに似ています。Rのサバイバルパッケージを使用してこれを行うにはどうすればよいですか? 以下は、Cox の回帰モデルを使用した近似の要約です。

Call:
coxph(formula = Surv(Time, death) ~ variable1 + variable2 + variable3 + 
variable4 + variable5 + variable6 + variable7 + variable8 + variable9, 
data = DataTest, method = "breslow")

n= 23756, number of events= 23756 

          coef exp(coef) se(coef)      z Pr(>|z|)    
variable1  0.02494   1.02526  0.02375  1.050  0.29354    
variable2 -0.20715   0.81290  0.02395 -8.650  < 2e-16 ***
variable3  0.12940   1.13814  0.02263  5.717 1.08e-08 ***
variable4  0.02469   1.02500  0.02289  1.079  0.28077    
variable5  0.13165   1.14070  0.02235  5.891 3.84e-09 ***
variable6  0.22286   1.24965  0.01534 14.526  < 2e-16 ***
variable7 -0.10513   0.90021  0.02035 -5.167 2.38e-07 ***
variable8  -0.12215   0.88501  0.02243 -5.447 5.13e-08 ***
variable9  -0.04930   0.95189  0.01827 -2.698  0.00697 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

      exp(coef) exp(-coef) lower .95 upper .95
variable1    1.0253     0.9754    0.9786    1.0741
variable2    0.8129     1.2302    0.7756    0.8520
variable3    1.1381     0.8786    1.0888    1.1898
variable4    1.0250     0.9756    0.9800    1.0720
variable5    1.1407     0.8767    1.0918    1.1918
variable6    1.2496     0.8002    1.2126    1.2878
variable7    0.9002     1.1109    0.8650    0.9368
variable8    0.8850     1.1299    0.8470    0.9248
variable9    0.9519     1.0505    0.9184    0.9866

Concordance= 0.543  (se = 0.002 )
Rsquare= 0.022   (max possible= 1 )
Likelihood ratio test= 516.5  on 9 df,   p=0
Wald test            = 503.1  on 9 df,   p=0
Score (logrank) test = 505.1  on 9 df,   p=0
4

2 に答える 2

8

生存データの打ち切られた性質により、通常は平均予想生存時間ではなく中央生存時間を計算する方が便利です。以下を実行することで、データ内の各人の生存時間の中央値を非常に簡単に復元できます。

survfit(cox.ph.model,newdata= DataTest)

于 2015-02-13T04:15:10.207 に答える
-1

コックス比例ハザード モデルを使用して、単一の観測値の生存時間を推定できるとは思いません。モデルは出力としてハザード比を出力し、ベースライン ハザード関数の仮定を行わないため、共変量が生存に及ぼす影響を理解するのに適しています。単一の観測の生存時間を推定したい場合は、それを可能にし、生存パッケージの一部である Weibull や Exponential などの分布を使用することをお勧めします。

ありがとう、

于 2017-01-02T13:36:49.960 に答える