2

对于我的解释变量的给定值和给定时间步，我想从 coxme 模型中获得对事件概率的预测。我的数据结构如下：

# Generate data
set.seed(123)
mydata <- data.frame(Site = as.factor(sample(c("SiteA", "SiteB", "SiteC"), 1000, replace = TRUE)), 
                     Block = as.factor(sample(c("A", "B", "C", "D", "E", "F"), 1000, replace = TRUE)),
                     Treatment = as.factor(sample(c("Treat.A", "Treat.B"), 1000, replace = TRUE)),
                     Origin = as.factor(sample(c("Origin.A", "Origin.B"), 1000, replace = TRUE)),
                     Time = sample(seq(3), 1000, replace = TRUE), 
                     Surv = sample(c(0, 1), 1000, replace = TRUE)) # Alive is 0, death is 1

# Coxme model
mymodel <- coxme(Surv(Time , Surv) ~ Treatment*Origin + 
                   (1|Site/Block), data = mydata)

对于每个处理：起源组合，我想在时间 = 3 处获得预测的生存可能性。如果我有一个 coxph 模型（即没有随机效应），这可以通过生存包中的 survfit 轻松完成：

# use expand.grid to get a table with all possible combinations of Site and Treatment
newdata.surv <- with(mydata, expand.grid(Site = unique(Origin), Treatment = unique(Treatment)))

# run survfit to predict the new values
fitted <- survival::survfit(mymodel, newdata = newdata.surv)

# extract the fitted values for the time slice of interest: 3
newdata.surv$fit <- fitted$surv[3,]
newdata.surv$lower <- fitted$lower[3,] # Lower confidence interval
newdata.surv$upper <- fitted$upper[3,] # Upper confidence interval

但是，survfit不适用于coxme object. 我知道 apredict.coxme中存在coxme package但是当我尝试使用它时，我总是得到错误：“找不到函数”predict.coxme”。我使用的是 2.2-10 版本的 coxme 包，所以 predict.coxme应包含功能（请参阅https://cran.r-project.org/web/packages/coxme/news.html）。

我已经看到coxme包支持对象emmeans，lsmeans但我不确定这些包是否可以用于预测生存。在此先感谢您的帮助。

4

1 回答 1

2

该coxme.predict函数本身并没有导出，但您可以调用它predict(mymodel)，然后调用此方法（或者您可以直接调用coxme:::predict.coxme(mymodel)（使用 3 个冒号））。参见?coxme:::predict.coxme简要说明。看来它目前不支持 newdata 参数，所以我不确定它对您的用例有多大用处。

于 2020-03-01T01:41:56.243 回答