1

在 R 中，我将我的数据库安排为应用扩展 Cox 模型（具有时变协变量）的计数过程：终点是事件发生时间或审查时间，切点是数据中的所有事件时间：

newdatabase <- survSplit(database,cut=eventTimes,
                            end=time_to_event_variable,
                            event=Status,start="start",id="newID")

object<-coxph(Surv(newdatabase$start, newdatabase[time_to_event_variable],
                    newdatabase[Status] ~., 
                    data = newdatabase [c(some_covariates)])

现在我的愿望是绘制个体生存曲线（对于个体 i）：

S_i_cox <- survfit(object,newdata=newdatabase,id=newID)[i]

我的问题是 survFit 对象仅描述了患者 i 的生存曲线（仅针对（其他患者）的先前事件时间）直到他的事件时间（患者 i）：

换句话说， S_i_cox$time and S_i_cox$surv每个患者的情况会有所不同，具体取决于患者 i 事件之前发生了多少事件。例如，具有最低时间事件的患者只有一个生存曲线测量值（在 object 中S_i_cox）。

如何获得更多的生存点（并获得曲线的真实估计）？我知道我可以更改 survSplit 中的切割以获得更多点，但这个想法是在患者的实际终点事件之后预测个体存活率。

非常感谢伊兰

4

1 回答 1

-1

我记得使用扩展的 Cox 模型进行此操作，就像您在上面描述的那样

Kleinbaum 在他的书中解释了这一点： Cox 调整后的生存估计和绘图可以通过将 summary 或 plot 函数应用于从函数 survfit 创建的对象来获得。第一步是使用 coxph 函数运行 Cox 模型。

调整后的生存曲线通常取决于协变量的模式。假设我们有兴趣绘制模式 SEX='MALE'、BLOOD_PRESSURE=130 和 TREATMENT=0 的生存曲线。首先，我们需要使用 data.frame 函数创建一个数据集（或数据框），并进行一次观察。例如：

pattern1=data.frame(SEX='MALE', BLOOD_PRESSURE=130, TREATMENT=0)

这个观察数据框称为pattern1。要获得 Cox 调整后的生存估计值，请在汇总函数中应用 survfit 函数，如下所示：

summary(survfit(mod1,newdata=pattern1))

survfit 函数的第一个参数是使用 coxph 函数创建的名为 mod1 的对象。第二个参数提供包含感兴趣的协变量模式的数据框（称为 pattern1）。

要绘制它：

plot(survfit(mod1,newdata=pattern1))
于 2014-08-19T17:14:54.147 回答