因为这是一个很长的问题,所以我将其分为两部分;第一个只是基本问题,第二个提供了我迄今为止尝试过的细节。
问题 - 简短
你如何在 R 中拟合个体脆弱的生存模型?特别是,我正在尝试重新创建下表中的系数估计值和 SE,它们是通过将半参数脆弱模型拟合到此数据集链接中找到的。该模型采用以下形式:
h_i(t) = z_i h_0(t) exp(\beta'X_i)
其中z_i
是每个患者的未知脆弱参数,X_i
是解释变量的向量,\beta
是相应的系数向量,并且h_0(t)
是使用解释变量疾病、性别、bmi和年龄的基线风险函数(我在下面包含代码以清理因子参考水平)。
问题 - 长
我正在尝试遵循并重新创建医学研究教科书中的建模生存数据示例,以拟合脆弱的 mdoels。我特别关注半参数模型,教科书提供了上表中显示的正常 cox 模型、对数正态脆弱性和 Gamma 脆弱性的参数和方差估计
我能够使用重新创建无脆弱模型估计
library(dplyr)
library(survival)
dat <- read.table(
"./Survival of patients registered for a lung transplant.dat",
header = T
) %>%
as_data_frame %>%
mutate( disease = factor(disease, levels = c(3,1,2,4))) %>%
mutate( gender = factor(gender, levels = c(2,1)))
mod_cox <- coxph( Surv(time, status) ~ age + gender + bmi + disease ,data = dat)
mod_cox
但是我真的很难找到一个可以可靠地重新创建第二个 2 列结果的包。在网上搜索我发现了这个表,它试图总结可用的包:
下面我发布了我当前的发现以及我使用的代码,它可以帮助人们识别我是否只是错误地指定了函数:
frailtyEM - 似乎最适合伽马,但不提供对数正态模型
frailtyEM::emfrail(
Surv(time, status) ~ age + gender + bmi + disease + cluster(patient),
data = dat ,
distribution = frailtyEM::emfrail_dist(dist = "gamma")
)
生存- 对伽玛发出警告,从我读过的所有内容来看,它的脆弱功能似乎被归类为贬值,建议改用 coxme。
coxph(
Surv(time, status) ~ age + gender + bmi + disease + frailty.gamma(patient),
data = dat
)
coxph(
Surv(time, status) ~ age + gender + bmi + disease + frailty.gaussian(patient),
data = dat
)
coxme - 似乎有效,但提供了与表中不同的估计值,并且不支持伽马分布
coxme::coxme(
Surv(time, status) ~ age + gender + bmi + disease + (1|patient),
data = dat
)
frailtySurv - 我无法正常工作,似乎总是用平坦值 1 拟合方差参数,并提供系数估计值,就好像没有拟合出脆弱的模型一样。此外,文档没有说明哪些字符串支持 frailty 参数,所以我无法弄清楚如何让它适合对数正常
frailtySurv::fitfrail(
Surv(time, status) ~ age + gender + bmi + disease + cluster(patient),
dat = dat,
frailty = "gamma"
)
frailtyHL - 产生警告信息说“没有收敛”但它仍然产生coeficiant估计但它们与教科书不同
mod_n <- frailtyHL::frailtyHL(
Surv(time, status) ~ age + gender + bmi + disease + (1|patient),
data = dat,
RandDist = "Normal"
)
mod_g <- frailtyHL::frailtyHL(
Surv(time, status) ~ age + gender + bmi + disease + (1|patient),
data = dat,
RandDist = "Gamma"
)
frailtypack - 我根本不理解实现(或者至少它与教科书中的内容非常不同)。该函数需要指定节点和平滑器,这似乎极大地影响了结果估计。
parfm - 仅适合参数模型;话虽如此,每次我尝试使用它来拟合威布尔比例风险模型时,它都会出错。
phmm - 还没试过
鉴于我没有成功通过大量软件包,我非常感谢,问题很可能是我自己没有正确理解实现并且错过了使用这些软件包。任何有关如何成功重新创建上述估计的帮助或示例将不胜感激。