在 Cox PH 模型中使用完全正确的审查处理数据。我从阅读中的理解是,正确的删失数据对 Cox 模型下的分析没有贡献——但是一个快速的实验告诉我,它们确实会影响 HR 和生存曲线的形状。
library(survival)
n <- 5000
id <- 1:n
sex <- ifelse(rbinom(n, 1, 0.5)==0, "F", "M")
age <- runif(n, 20, 100)
death <- rbinom(n, 1, age/100 )
df1 <- data.frame(id, sex, age, death)
mod1 <- (coxph(Surv(time=age, event=death) ~ sex, df1))
df2 <- df1[df1$death==1,]
mod2 <- (coxph(Surv(time=age, event=death) ~ sex, df2))
summary(mod1)
summary(mod2)
plot(survfit(mod1))
plot(survfit(mod2))
因此 df2 和 model2 仅由体验结果的人组成。如果模型 1 中的正确审查人员对我的分析没有贡献,那么两种分析的结果应该是相同的 - 但比较回归和曲线它们不是。
我在这里想念什么?