问题标签 [cox-regression]

我要回到几个月前这个问题解决的话题。

我有一个 coxph 模型，其中包括一个具有三个水平的因子协变量（分类变量）。

当我使用 cox.zph 测试违反比例风险假设的模型时，它表明因子的一个水平违反了假设。

通常，我会将违规协变量与时间函数进行交互，但在这种情况下 - 因为我正在处理一个因素 - 我不确定这是否有意义。

在任何情况下，尝试将因子与时间函数交互都会返回错误。

你能建议做什么吗？有没有办法通过与时间的相互作用来“瞄准”违规因素水平？谢谢。

Are there any packages in Python for survival analysis? Specifically, I am interested in performing a Cox regression?

I know this example but it's in R. Could we just interface Python with R (using, for example, rpy2)?

我对生存分析很陌生，所以我的问题对你们大多数人来说可能很幼稚，我很抱歉。

我有一些左右审查的遥测数据。

我首先必须估计 3 个虚拟解释变量对生存的影响，所以我使用了 Anderson-Gill 模型（Cox 模型的扩展）。在这里，危害是性别、研究区域（地区）和年龄等级（年龄分为 3 个年龄等级：小猫（0-1 岁）、一岁（1-2 岁）和成人（2 岁以上））的函数。主要的“问题”是年龄类变量是一个时间相关的协变量。一些人在几年内被跟踪，因此在研究期间改变了年龄等级。该模型的输出提供了我正在测试的每个变量对生存（性别、地区和年龄类别）的影响。我可以很容易地预测生存率 (S(t))，survfit()并预测了代表群组的曲线，这些群组的协变量对应于 newdata 中的值。

我的最终目标是估计每个队列（即来自北部地区的成年男性）的平均年存活率，以便将这些估计值用作年龄结构矩阵人口模型的输入。我最初想对我从survfit()函数中得到的生存估计 S(t) 做一个简单的平均，但后来我意识到时间相关的协变量似乎使估计变得更加复杂。我什至想知道是否可以使用 Cox 模型估计每个队列的平均年生存率。也许每年的 Kaplan-Meier 生存估计应该可以解决问题？是否有可能从 获得它survfit()？

有人已经不得不做同样的分析了吗？这是总结我为估计每个协变量的影响所做的 R 代码：

我正在研究生存分析。

我估计了 Cox 回归模型和 Buckley&James 回归模型。

为了确定哪种模型更适合我的数据集，我使用了 Akaike Information Criteria (AIC)。那么，如何使用 R 软件找到两个模型的 AIC 值？

如果您运行以下代码，您将拥有一个数据框real.dat，其中包含 20531 个基因的 1063 个样本。有 2 个额外的列命名time，event其中time是生存时间，在和event的情况下。death10censored

我想获得上述数据框中每个基因的单变量 Cox 回归 p 值。我怎样才能得到这个？

您可以从这里下载数据。

Edit:很抱歉没有足够澄清。我已经尝试使用库中的coxph函数来获取它survival。但即使对于一个基因，它也会显示以下错误 -

> coxph(Surv(time, event) ~ HIF3A, real.dat) Error in fitter(X, Y, strats, offset, init, control, weights = weights, : NA/NaN/Inf in foreign function call (arg 6) In addition: Warning message: In fitter(X, Y, strats, offset, init, control, weights = weights, : Ran out of iterations and did not converge

这就是为什么我没有提供一个较小的可重现示例。

我不明白 newdata 参数是什么意思。有人可以向我解释一下吗？我已经阅读了文档，但老实说我无法理解它。我什么时候需要使用它？

有没有办法为多个输入运行 coxph。这里我使用了 input hsa_let_7b_5p。

考虑一下我需要根据可用的过去数据（带有时间戳的数据）预测特定事件何时发生的问题。

例如

假设一台特定的机器正在运行，并且我们从该特定机器和其他类似类型的机器上收集了各种时间戳的数据。数据包括从某些功能失败且工作正常的机器收集的值。

我需要做的是预测特定机器（或某些功能）何时会发生故障。

从问题我理解的是这是一个时间序列分析问题。我听说过结果就是时间的生存分析。但我不确定我可以尝试哪些其他模型。

有人可以解释一下哪些模型可以用于特定问题（假设我将比较模型的各种质量矩阵）。我除了时间序列还有其他方法，请告知（我的假设是生存分析是时间序列分析的一部分）

使用的技术将是 R 或 Python (scikit-learn)

提前致谢

我对我正在尝试编写的函数的行为感到困惑。我的例子来自survival包装，但我认为这个问题比这更笼统。基本上，以下代码

将产生一个我感兴趣的对象。但是，当我在函数中编写它时，

该函数将在最后一行返回错误：

我很好奇我是否缺少明显的东西，或者这种行为是否正常。我觉得很奇怪，因为在my_function运行代码的第一部分时，在我的环境中，我将拥有与全局环境中相同的对象。

编辑：我还收到了survival包作者 Terry Therneau 的有用意见。这是他的回答：

这是一个源于model.frame做的非标准评估的问题。我发现的唯一方法是将 model.frame=TRUE 添加到原始 coxph 调用中。我认为它是 R 中的一个严重设计缺陷。非标准评估就像是阴暗面——一条诱人而容易的道路，总是以糟糕的结局告终。特里·T。

我正在尝试找到一种方法来为 Python 中的重复事件建模生存模型，尤其是使用 CoxPH 的计数过程方法。在计数过程方法中，它期望开始时间和停止时间。但是 CoxPHFitter 在生命线中的拟合方法只需要一个持续时间列作为时间。我在 Python 中找不到任何替代方法来处理相同的问题。

有人可以提供任何解决方案/指针来处理 Python 中的经常性事件生存分析。

我知道 R 中的 survrec，但我需要在 python 中找到一种方法

提前致谢