Làm thế nào để tạo các đường cong sống sót được dự đoán từ các mô hình yếu (sử dụng R coxph)?

Tôi muốn tính toán chức năng sống sót dự đoán cho mô hình mối nguy theo tỷ lệ Cox với các thuật ngữ yếu [sử dụng gói sinh tồn]. Có vẻ như khi các thuật ngữ yếu trong mô hình, chức năng sống sót được dự đoán không thể được tính toán.

## Example 
require(survival)
data(rats)

## Create fake weight
set.seed(90989)
rats$weight<-runif(nrow(rats),0.2,0.9)

## Cox model with gamma frailty on litter
fit <- coxph(Surv(time, status) ~ rx+weight+frailty(litter,dist="gamma"),
data = rats) 

## Compute survival curve from the cox model for rx=0 and weight=0.5 kg
plot(survfit(fit, newdata=data.frame(rx=0,weight=0.5)),xlab = "time",
ylab="Survival") 

## Running this line, I get following error message:
Error in survfit.coxph(fit, newdata = data.frame(rx = 0, weight = 0.5)) : 
Newdata cannot be used when a model has sparse frailty terms

Tôi đã thử sử dụng cả hai phương pháp tính toán thưa thớt và không thưa thớt bằng cách sử dụng sparse=TRUE, Sparse =FALSE, sparse =0, sparse=5các tùy chọn. Tuy nhiên, không ai làm việc.

Làm thế nào để tôi tính toán đường cong sống sót dựa trên mô hình yếu đuối của tôi?

r survival cox-model frailty

— ledzep
nguồn

Vấn đề ở đây cũng giống như sẽ thu được khi cố gắng dự đoán kết quả từ mô hình hiệu ứng hỗn hợp tuyến tính. Vì đường cong sinh tồn là không thể thu gọn, mỗi lứa trong ví dụ của bạn có đường cong sinh tồn dành riêng cho từng lứa theo mô hình bạn phù hợp. Một điểm yếu như bạn có thể biết cũng giống như một lần đánh chặn ngẫu nhiên cho thấy mức độ phổ biến của các biến gây nhiễu và tiên lượng đặc hữu cho mỗi lứa, có lẽ là đặc điểm di truyền vis-à-vis. Do đó, yếu tố dự đoán tuyến tính cho tỷ lệ nguy hiểm là sự pha trộn giữa các hiệu ứng cố định quan sát được và hiệu ứng xả rác ngẫu nhiên. Không giống như các mô hình hỗn hợp, mô hình Cox phù hợp với thuật ngữ yếu với hồi quy bị phạt, đối tượng được trang bị là lớp coxph-penalvà không có phương pháp nào survreg.coxph-penal, vì vậy các nỗ lực để tạo ra bộ dự báo tuyến tính đều thất bại. Có một vài cách giải quyết.

Chỉ cần phù hợp với mô hình cận biên với hiệp phương sai.
Căn giữa các hiệp phương sai, khớp 1, sau đó khớp với mô hình hiệu ứng ngẫu nhiên bằng cách sử dụng coxmevà trích xuất các hiệu ứng ngẫu nhiên, thêm chúng vào bộ dự báo tuyến tính với phần bù để tính toán đường cong sống sót cụ thể của từng tầng.
Thực hiện 2 và ngoài lề chúng bằng cách lấy trung bình tất cả các đường cong sinh tồn với nhau, một cách tiếp cận riêng biệt để phù hợp với mô hình cận biên.
Sử dụng các hiệu ứng cố định hoặc các tầng trong mô hình Cox cận biên để dự đoán các đường cong sinh tồn khác nhau cho mỗi lứa.

— Adam
nguồn