问题标签 [cox-regression]

我正在将 cox 模型拟合到一些结构如下的数据：

该RUTH.CLASS变量实际上是一个因素，我已将其更改为一个因素：

伟大的。

拟合模型后

当我在模型中拟合更多变量时，会发生类似的事情：

model.matrix从下面截断输出：

我们可以看到，每一个的第一级都被排除在模型之外。任何投入将不胜感激。我注意到在LESION.TYPE变量上，""没有包含空白级别，但这不是设计使然——应该是 aNA或类似的东西。

我很困惑，可以使用一些帮助。谢谢。

我正在使用区间删失数据进行生存分析，并且正在尝试使用 incox 包中的 intcox() 函数进行 Cox 回归。我已经用 survfit() 完成了部分分析，一切正常。

当我尝试使用 intcox 时，总是有一个问题：

dados$sexo 是一个具有三个级别的因子，dados 是一个包含 156 个观察值和 52 个变量的列表。在进行 Kaplan-Meier 分析或在没有区间数据的情况下使用 coxph() 时没有问题。当我使用其他变量时，问题似乎是一样的。
我正在使用 R 3.0.1

**更新**
我没有改变任何东西，现在错误看起来像这样：

我正在使用区间截断数据进行生存分析，并且我正在使用 R 中 intcox 包中的 intcox() 函数，该函数基于 coxph 函数。

该函数返回没有似然比测试值的输出：

我不知道为什么会这样……这是 coxph() 函数对相同数据的应用：

你能帮我解决这个问题吗？
提前致谢。

情况：我有一对（嵌套的）多变量生存模型（coxph）。新模型明显优于旧模型，具有更高的 C 指数、相当好的净重分类改进 (NRI) 等。我想做的是创建一种“区分图”，绘制 C 的变化-每个模型的不同后续时间的索引。由于我没有用于验证的外部数据集，我猜测引导验证（以获得估计值和置信区间）可能会有所帮助。

但是，我真的不知道该怎么做。任何指针将不胜感激。

我正在使用coxme()coxme 包中的函数在 R 中拟合混合效果 Cox 模型。在我的模型中，我有一个审查的生存时间 $X$、一个协变量 $Z$ 和一个分组变量 $Group$。有一个随机截距和一个随机斜率，即我拟合模型$\lambda (t|Z,b_0,b_1) = \lambda_0(t) e^{\beta Z + b_0 + b_1 Z}$。

我想指定随机效应的协方差矩阵的结构；特别是，我想指定 $b_0$ 和 $b_1$ 是不相关的，因此协方差矩阵是对角线。在指定协方差结构方面似乎coxme()非常灵活。我认为我应该将一个矩阵列表传递给varlist这个函数的选项，但到目前为止我的尝试都失败了，我认为我并不完全理解它应该如何工作。

也可以将自定义方差函数传递给此选项，事实上，其中一个包 vignette 提供了一些如何完成此操作的示例。但是，在这种情况下，这个过程似乎很乏味并且（我希望）是不必要的。所以我的问题是，如何在coxme()函数中轻松指定对角协方差矩阵结构？

下面是一些模拟示例数据和指定协方差结构的第一次尝试。我希望我告诉coxme()使用线性组合 $V = \sigma^2_1 A + \sigma^2_2 B$，其中 $A$ 和 $B$ 定义如下，并且这将有效地拟合对角协方差矩阵具有任意对角线元素。

我想通过计算方差膨胀因子 (VIF) 来评估 cox 比例风险模型中的多重共线性。{car} 等包中的 vif 函数不接受 coxph 对象。

有没有办法计算 R 中 cox 模型的 VIF？

我正在尝试使用 Rsurvival包估计从状态 1 到状态 2 的转换的 Cox 比例风险模型，如下所示：

当我在没有frailty参数的情况下估计模型时，它工作正常。但是当我包含它时，我收到以下错误：

谁能解释我哪里出错了？

问候，

Ĵ

我有一个带有 5 个时间相关变量和 2 个时间无关变量的 coxph 模型。我想使用 cox.zph 测试比例风险假设以及鞅和偏差残差。我的问题是，这个函数如何处理与时间相关的协变量？

在阅读Grant et al.,2014之后，我不确定这是否是推荐的拟合优度检验来评估时变协变量的 PH 假设。

模型：

在 R 中，我将我的数据库安排为应用扩展 Cox 模型（具有时变协变量）的计数过程：终点是事件发生时间或审查时间，切点是数据中的所有事件时间：

现在我的愿望是绘制个体生存曲线（对于个体 i）：

我的问题是 survFit 对象仅描述了患者 i 的生存曲线（仅针对（其他患者）的先前事件时间）直到他的事件时间（患者 i）：

换句话说， S_i_cox$time and S_i_cox$surv每个患者的情况会有所不同，具体取决于患者 i 事件之前发生了多少事件。例如，具有最低时间事件的患者只有一个生存曲线测量值（在 object 中S_i_cox）。

如何获得更多的生存点（并获得曲线的真实估计）？我知道我可以更改 survSplit 中的切割以获得更多点，但这个想法是在患者的实际终点事件之后预测个体存活率。

非常感谢伊兰

我目前正在尝试在 R 中在生存数据上实现 Cox 模型的 Prentice、Williams 和 Peterson 扩展，但我想要一个参数模型并且无法完成。是否有一个我不知道的包，或者以前有没有其他人创建过参数 PWP 模型？我将不胜感激任何帮助。

谢谢J