1

我正在尝试使用 cox 模型来预测一段时间后的失败概率（称为停止）3。

bladder1 <- bladder[bladder$enum < 5, ] 
coxmodel = coxph(Surv(stop, event) ~ (rx + size + number)  + 
        cluster(id), bladder1)
range(predict(coxmodel, bladder1, type = "lp"))
range(predict(coxmodel, bladder1, type = "risk"))
range(predict(coxmodel, bladder1, type = "terms"))
range(predict(coxmodel, bladder1, type = "expected"))

但是，预测函数的输出都不在 0-1 范围内。是否有任何函数或如何使用 lp 预测和基线风险函数来计算概率？

4

1 回答 1

10

请阅读帮助页面predict.coxph。这些都不应该是概率。一组特定协变量的线性预测变量是相对于具有所有预测变量平均值的假设（并且很可能不存在）案例的对数风险比。“预期”最接近概率，因为它是预测的事件数量，但需要指定时间，然后除以观察开始时的风险数量。

对于 的帮助页面上提供的示例predict，您可以看到预测事件的总和接近实际数量：

> sum(predict(fit,type="expected"), na.rm=TRUE)
[1] 163

> sum(lung$status==2)
[1] 165

我怀疑您可能想要使用该survfit功能，因为事件的概率是 1 生存概率。

?survfit.coxph

类似问题的代码出现在此处：在 R 中的 Cox 回归之后将预测危险比的列添加到数据帧

既然您建议使用膀胱1 数据集，那么这将是时间=5 规范的代码

 summary(survfit(coxmodel), time=5)
#------------------
Call: survfit(formula = coxmodel)

 time n.risk n.event survival std.err lower 95% CI upper 95% CI
    5    302      26    0.928  0.0141        0.901        0.956

这将作为一个列表返回，其中生存预测作为一个名为的列表元素$surv：

> str(summary(survfit(coxmodel), time=5))
List of 14
 $ n       : int 340
 $ time    : num 5
 $ n.risk  : num 302
 $ n.event : num 26
 $ conf.int: num 0.95
 $ type    : chr "right"
 $ table   : Named num [1:7] 340 340 340 112 NA 51 NA
  ..- attr(*, "names")= chr [1:7] "records" "n.max" "n.start" "events" ...
 $ n.censor: num 19
 $ surv    : num 0.928
 $ std.err : num 0.0141
 $ lower   : num 0.901
 $ upper   : num 0.956
 $ cumhaz  : num 0.0744
 $ call    : language survfit(formula = coxmodel)
 - attr(*, "class")= chr "summary.survfit"
> summary(survfit(coxmodel), time=5)$surv
[1] 0.9282944
于 2015-06-23T06:02:02.363 回答