0

假设我有一个终生数据集,比如肾脏数据。有一些协变量年龄,性别,疾病。性别有 2 个类别(F、M),疾病有 4 个类别(其他、GN、AN、PKD)。我想估计 Cox 比例风险模型的参数。年龄、性别、GN、AN、PKD有5个参数。我正在尝试这样。我怎样才能最大化这个功能?

library(survival)
dat <- kidney
head(kidney)
#      id time status age sex disease frail
#    1  1    8      1  28   1   Other   2.3
#    2  1   16      1  28   1   Other   2.3
#    3  2   23      1  48   2      GN   1.9
#    4  2   13      0  48   2      GN   1.9
#    5  3   22      1  32   1   Other   1.2
#    6  3   28      1  32   1   Other   1.2  
    ......................................

偏似然函数

logPL <- function( par, time, status, cov ){
  data <- data.frame( time, status, cov)
  data <- data[order(data$time, decreasing=T),]
  risk.score <- data.matrix(data[,-c(1:2)]) %*% par
  PL1 <- risk.set
  PL2 <- log(cumsum(exp(risk.set)))
  PL <- sum(data$status*(PL1-PL2))
  return(-PL)}
4

0 回答 0