問題タブ [cox-regression]

外部の時間依存共変量を使用して拡張 Cox モデルを適用しています。以下は、Themeau と Grambsch の著書Modeling Survival Data : extends the Cox model (2001) から借用して変更した小さな例 (df) です。

拡張 Cox モデルからベースライン ハザード/生存関数を取得したいと考えています。時間に依存しない共変量を処理する従来の Cox PH モデルでは、Nelson-Aalen 推定量を使用して H(t) の推定値を取得できるようです。

外部の時間依存共変量が代わりに使用される場合、拡張コックス モデルからベースライン ハザード/生存関数を取得する方法を知りたいですか? このような同様の方法を使用できますか？

ありがとう。

R で Cox 比例ハザード回帰を計算しました。

ここで、これらすべての共変量のハザード比 (HR、または exp(coef)) を取得しましたが、実際に関心があるのは連続予測変数 X の効果だけです。X の HR は 1.20 です。X は、実際には、X の平均値が 0 で SD が 1 になるように、サンプルの測定値に合わせてスケーリングされます。 Xの値（私は信じています）。

これらの結果をもう少しぎこちないものにできるようにしたいのですが、実際、この記事はまさに私が望んでいることを実行します. それは言います：

「年齢、性別、学歴を調整した Cox 比例ハザード モデルでは、1 日の総身体活動レベルが高いほど、死亡リスクの低下と関連していました (ハザード比 = 0.71; 95%CI:0.63, 0.79)。したがって、個人は1 日の総身体活動量が多い (90 パーセンタイル) 人は、1 日の総身体活動量が少ない (10 パーセンタイル) 人に比べて、死亡リスクが約 4 分の 1 でした。」

HR (つまり 1.20) のみが必要であると仮定すると、この比較ステートメントをどのように計算するのでしょうか? 他の情報が必要な場合は、私に尋ねてください。

mgcv パッケージを使用して GAM モデルを実行してfamily = cox.ph()おり、データを階層 ( strata = id) ごとにグループ化しています。データは、個々の動物の 1 つの使用場所と、その個体に関連付けられた使用可能な 20 のランダムな場所に対応します。

モデルはスムーズに実行されていますが、x 変数との関係をプロットする方法がわかりません。DWL連続変数です。以下を使用して予測をグラフ化しました。

transプロット構文での引数の使用について少し混乱しています。cox.ph()家族の引数にを使用しlogit-linkて、x 変数に対する予測された y 応答を評価する適切な方法はありますDWLか?

ありがとうございました、

P・ファレル

theano で cox 回帰を実装しようとしています。

フレームワークとしてロジスティック回帰チュートリアル ( http://deeplearning.net/tutorial/logreg.html ) を使用し、ロジスティック対数尤度 (LL) 関数を cox 回帰 LL 関数 ( https://en.wikipedia .org/wiki/Proportional_hazards_model#The_partial_likelihood )。

これが私がこれまでに持っているものです：

基本的に、LL_i (i は 0 から ytime.shape - 1) を合計する必要があります。しかし、これを行う方法がわかりません。スキャン機能を使用する必要がありますか?