11

このパッケージは、カーネル平滑化法を使用して、右打ち切りデータからハザード関数muhazを推定します。私の質問は、計算するハザード関数の信頼区間を取得する方法はありますか?muhaz

options(scipen=999)
library(muhaz)
data(ovarian, package="survival")
attach(ovarian)
fit1 <- muhaz(futime, fustat)
plot(fit1, lwd=3, ylim=c(0,0.002))

ムハズハザード関数

上記の例では、muhaz.object fitにいくつかのエントリfit1$msemin,がありますがfit1$var.minfit1$haz.estそれらの長さは の半分ですfit1$haz.est

ハザード関数の信頼区間を抽出することが可能であれば、何か考えはありますか?

編集:@ user20650が提案したことに基づいて、次のことを試しました

options(scipen=999)
library(muhaz)
data(ovarian, package="survival")
fit1 <- muhaz(ovarian$futime, ovarian$fustat,min.time=0, max.time=744)


h.df<-data.frame(est=fit1$est.grid, h.orig=fit1$haz.est)

for (i in 1:10000){
d.s.onarian<-ovarian[sample(1:nrow(ovarian), nrow(ovarian), replace = T),]
d.s.muhaz<-muhaz(d.s.onarian$futime, d.s.onarian$fustat, min.time=0, max.time=744 )
h.df<-cbind(h.df, d.s.muhaz$haz.est)
}


h.df$upper.ci<-apply(h.df[,c(-1,-2)], 1,  FUN=function(x) quantile(x, probs = 0.975))
h.df$lower.ci<-apply(h.df[,c(-1,-2)], 1,  FUN=function(x) quantile(x, probs = 0.025))
plot(h.df$est, h.df$h.orig, type="l", ylim=c(0,0.003), lwd=3)
lines(h.df$est, h.df$upper.ci,  lty=3, lwd=3)
lines(h.df$est, h.df$lower.ci,  lty=3, lwd=3)

max.time の設定は機能しているようで、すべてのブートストラップ サンプルには同じ推定グリッド ポイントがあります。ただし、得られたCIはほとんど意味がありません。通常、間隔は t=0 では狭く、時間とともに広くなる (情報が少なくなり、不確実性が増す) と予想されますが、得られた間隔は、時間とともに多かれ少なかれ一定であるように見えます。

ここに画像の説明を入力

4

1 に答える 1

5

コメンターが示唆したように、ブートストラップは答えを提供します。危険にさらされている数が減少するにつれて CI が拡大すると予想する必要があるというあなたの直感は正しいです。ただし、この効果はスムージング プロセスによって減少し、スムージングが適用される間隔が長くなるほど、CI のサイズの変化に気付くことは少なくなります。十分に短い間隔で平滑化を試みると、CI がより顕著に広がることに気付くはずです。

お気づきかもしれませんが、これらの平滑化されたハザード プロットは用途が非常に限られている可能性があり、平滑化がどのように行われるかに非常に敏感です。演習として、形状パラメーターを 0.8、1.0、1.2 に設定して一連のワイブル分布から生存時間をシミュレートし、これらの平滑化されたハザード プロットを見て、それらを分類しようとすることは有益です。これらのプロットが有益である限り、ハザード関数の傾向率に基づいてこれら 3 つの曲線の違いを見分けるのはかなり簡単です。YMMVですが、腫瘍学の臨床試験と一致する妥当なサンプルサイズでこのテストを行ったとき、私は結果にあまり感銘を受けませんでした.

平滑化されたハザード プロットの代わりに、Han らの方法を使用して区分的指数曲線を当てはめてみることもできます。(http://www.ncbi.nlm.nih.gov/pubmed/23900779)そしてそれをブートストラップします。彼らのアルゴリズムは、ハザード率に統計的に有意な変化があるブレークポイントを特定し、平滑化されたハザードプロットよりもハザード率の傾向をよりよく理解できる可能性があります. また、多少恣意的ではあるが必然的な平滑化パラメータの選択も回避できます。

于 2015-05-26T02:12:17.243 に答える