1

我正在应用具有外部时间相关协变量的扩展 Cox 模型。这是我从 Themeau 和 Grambsch 的书《建模生存数据：扩展 Cox 模型》（2001 年）中借用和修改的一个小示例（df）：

id start stop  event trt bili albumin
1  0      188    0    1  1.8 2.54
1  188    372    0    1  1.6 2.88
1  372    729    0    1  1.7 2.80
1  729    1254   0    1  3.2 2.92
1  1254   1462   0    1  3.7 2.59
1  1462   1824   0    1  4.0 2.59
1  1824   1925   1    1  5.3 1.83
2  0      56     0    0  1.8 2.36
2  56     172    0    0  1.6 1.89
2  172    521    1    0  1.7 1.56
3  0      36     0    1  3.2 2.10
3  36     232    0    1  3.7 2.32
3  232    352    0    1  4.0 1.96
3  352    610    1    1  5.3 2.05

我想从扩展的 Cox 模型中获得基线危险/生存函数。在处理与时间无关的协变量的经典 Cox PH 模型中，似乎我们可以使用 Nelson-Aalen 估计器获得 H(t) 的估计值：

fit1<- coxph(Surv(time, event) ~ tidc's, data=df)
sfit<-survfit(fit1)
sfit$surv
H<- -log(sfit$surv)
H<- c(H, tail(H, 1))

我想知道如何从扩展 Cox 模型中获得基线危险/生存函数，而不是使用外部时间相关协变量？我可以使用类似的方法吗？

model_1<-coxph(Surv(start,stop,event) ~ treat+log(bili)+log(albumin),data=df)
mfit<-survfit(model_1)
mfit$surv
H1<- -log(mfit$surv)
H1<- c(H1, tail(H1, 1))

谢谢。

4

1 回答 1

2

survfit 对象还有一个名为“cumhaz”的元素。这似乎是正确的项目，而不是重新计算它。

> all.equal( -log(mfit$surv), mfit$cumhaz )
[1] TRUE

如果您使用与时间相关的协变量，则不清楚您期望的“基线风险”是什么。至少在生存包中，“基线风险”是根据对每个协变量具有平均值的假设对象的估计风险计算的。软件包作者 Terry Therneau 在 survfit.coxph 的帮助页面的“详细信息”部分的第一段中专门讨论了为什么他认为这通常会提供值得怀疑的结果。我严重怀疑他是否会认为基线风险在基线会跳跃的时间相关协变量模型中有意义。他特别指出，在这种情况下计算生存曲线在统计上是不支持的（尽管它们经常出现在医学文章中。）

于 2015-08-15T19:58:11.680 回答