问题标签 [cox]

coxph我有一个生存包中功能所需格式的数据框。对象的状态可以是 0（活着）或 1（死）。我想对主题的状态进行排列并重新运行分析。在这种情况下，一个活了 10 个时间段的人现在可能被指定为死了 6 个时间段。

我是否应该特别要求我的代码忽略该人在第 6 时间段之后的任何观察，或者coxph函数本身会自动执行它？

我正在尝试在 python 中对大型数据集（约 80 行 x 12,000 列）进行生存分析。

目前我正在使用：

但它非常慢。将数据帧分成 100 个块并多次运行 cf.fit 会稍微快一些，但它的时钟仍然在 80 秒左右。这明显比 R 的 coxph 慢，而且我真的不想使用 rpy2 在 R 中运行分析。

我对如何加快速度有点不知所措，所以任何建议都将不胜感激。

我有一个数据集如下：

其中 X3 是时间相关变量。

我建立了一个cox回归模型如下：

得到模型后，我使用“pec”库中的 predictSurvProb() 来预测每个患者在每个时间点的生存概率：

但是，该函数返回如下数据框，其中每条记录在第 1 个月和第 4 个月之间都有自己的生存概率：

显然，结果没有意义。患者 001 有四组预测概率，每组都不同。

我怎样才能添加一些东西让 predictSurvProb() 知道所有具有相同 ID 的记录应该组合在一起并且只返回一组预测？

我正在对一个非常大的数据集进行生存分析，并试图检查特定变量在不同时间点（30 天、90 天、180 天、365 天）对生存的影响。

我想运行单变量 Cox 回归，但我不确定如何正确执行此操作。数据集包含一个变量“时间”，其中包含患者在数据集中出现的天数。

起初，我只是在不同的时间点做了一个主要数据集的子集（即 Time <= 30 的子集......等），然后在每个数据帧中运行一个简单的 Cox 回归（coxph(surv(time, event)~x）......这显然是愚蠢，因为它只包含导致每个间隔的信息。我不知道如何解决这个问题，并且无法通过我的搜索找到一个好的答案

任何建议将不胜感激。谢谢你！

我已经获得了 Schoenfeld 残差，用于在存在与 cmprsk 的竞争事件的情况下测试 Fine & Gray 的 Cox 回归模型的 PH。

这是代码：

这是输出：

这是情节：

我使用 SAS 做了同样的事情，我在 1000 条模拟路径上获得了 0.55 的 p 值，并且该图用于观察路径和前 20 条模拟路径：

如何像使用 SAS 一样检查 PH 假设？如何引入模拟路径？

谢谢你们！！

我已成功从“coxph”获得摘要输出。但是，现在我很好奇如何从这些数字中获得风险比？有没有我可以用我拥有的东西做的计算，或者 R 中是否有特定的代码可以产生我想要的东西？输出图像

一个正常的 Cox 回归如下：

coxph(formula = Surv(time, status) ~ v1 + v2 + v3, data = x)

我已经用随后的倾向得分计算了逆倾向治疗加权 (IPTW) 得分。

倾向得分可以计算如下：

ps<-glm(treat~v1+v2+v3, family="binomial", data=x)

用于 IPTW 的权重计算如下：

weight <- ifelse (treat==1, 1/(ps), 1/(1-ps))

数据集中的每个主题都可以使用上述方法进行加权（每个主题都得到一个特定的权重，如上计算），但我认为没有地方可以将权重放在“正常”Cox 回归公式中。

是否有 Cox 回归公式，我们可以在其中评估每个受试者的计算权重，以及这些计算使用什么 R 包或代码？

我有一个看起来像这样的数据集：

我想将感染前的时间建模为治疗、表面、抗生素治疗前的时间和切除前的时间。根据其他帖子，该数据集必须从宽转换为长。但是我不知道该怎么做？然后，一旦数据格式正确，我将使用以下公式：

到目前为止，我只运行了一个正常的 Cox 回归，但我想这是不正确的，因为没有考虑时间依赖性？

我有一个看起来像这样的数据集：

我想对变量 Surface、ex.time 和 antib.time 和治疗运行 Cox 回归。治疗是一个指示变量。表面表示身体燃烧的百分比。ex.time 和 antib.time 都以天为单位记录事件发生的时间。

我知道要运行与时间相关的 Cox 回归，我需要将数据转换为纵向结构，但我如何在 R 中做到这一点？

然后我将使用公式：

数据

我正在尝试为具有伽马脆弱性的 cox 模型的似然函数编写 R 代码。我知道 R 中有一些包可以很容易地做到这一点。但是我想为我自己的数据而不是使用包编写具有伽马脆弱性的 cox 模型的自定义似然函数。

由于我认为自己是 R 和统计学的高级初学者，因此我需要这方面的帮助来学习如何在 R 中逐步完成它。我想知道是否有任何可用的代码可以参考？

我感谢任何帮助和建议。