问题标签 [hazard]

我在回归分析、cox 模型等方面有一些经验，但我想问一下哪种模型最适合评估与不同药物变化相关的慢性病症状控制。

假设您有几个患者的时间序列数据，其中有一个分类变量表示一种药物（药物 A、B、C、D），以及从一种药物转换为另一种药物的结果，该结果在四个级别上进行评估：（0：症状增加 >50%；1：症状不变；2：症状减轻 >50%；3：症状消失）

您将应用哪种分析来最好地评估哪种药物与最佳症状控制相关（也要考虑症状控制的持续时间）？并且可能过滤诸如性别、年龄等协变量。

我知道这可能是一个困难的问题，但我真的很喜欢这种生物统计模型的任何帮助或经验

非常感谢提前

我已经使用分类预测器运行了Cox 回归模型，但我不确定我是否可以将不同级别相互比较，还是仅与参考类别进行比较？

例如，在肺数据集中：

我知道您永远不会将ph.ecog设置为一个因素，这只是说明性的。该模型的输出为（参考为0）：

所以，我知道它ph.ecog=1的风险比1.44是1.4倍ph.ecog=0，水平2是2.5倍0，但我可以说ph.ecog2比 ph 高1.728926 (=2.5002/1.4461) .ecog=1？

其他回归模型（例如优势比）也是如此吗？

非常感谢

我有以下数据：

我试图适应 Cox PH 模型：

但是，在尝试导出生存函数时：

我收到以下错误：

有人可以指出我的代码中的错误吗？

以下示例适用于正在构建 Cox 比例风险模型并尝试生成预测误差曲线但收到错误说明的任何人：

coxModelFrame.coxph(object) 中的错误：在对 coxph 的调用中设置了无效的对象集 x=TRUE。

这是重现错误的代码：

图书馆

数据

Cox 比例危害

预测误差曲线

最后一行代码导致以下错误： coxModelFrame.coxph(object) 中的错误：对 coxph 的调用中的无效对象集 x=TRUE

我已经拟合了具有显着协变量的多元 cox 比例模型。拟合测试数据后，预测函数清楚地返回风险比（范围从正值到负值）。这对我来说显然是有道理的，因为负面越多，他们死亡的可能性就越小。

我想知道如何计算危险率而不是比率。

目标

我正在尝试在 R 中绘制生存数据的危险函数。

试图

survival我正在使用R 包中的 NCCTG 肺癌数据集。

据我了解，危险函数具有以下形式：

x1，...，xn 的值是从数据自身导出的自变量，使用以下代码，我可以获得系数 b1，...，bn 的值。

问题

如何在 R 中绘制一组具有生存数据的患者的风险函数？

我考虑使用该lifelines软件包来适应Cox-Proportional-Hazards-Model。我读到lifelines 使用非参数方法来拟合基线 hazard，这会在某些时间点导致不同的 baseline_hazards （参见下面的代码示例）。对于我的应用程序，我需要一个 指数分布，导致基线危险 h0(t) = lambda随时间保持不变。

所以我的问题是：（同时）是否可以运行 Cox-Proportional-Hazards-Model，其基线危害lifelines或其他 Python 包中的基线危害呈指数分布？

示例代码：

给

I want to plot hazard ratios (hr) and confidence intervals from published summary data where I have the respective publication on the x-axis and the hazard ratios on the y-axis.

Currently, my y-axis reads: (-3, -2, -1, 0, 1, 2, 3), which gives an "unsymmetrical" scaling of the hrs.

How do I program the y-axis to read: (0.3, 0.2, 0.1, 0, 1, 2, 3), which will give a "correct" scaling of the hrs?

Ps. If amending the interval is not possible, then there is an intermediate step where (1/lowerlimit) will give the right scaling but the "wrong number". Then, hard coding the y-axis could prove to be a solution (have attempted this without success).

我正在尝试从我的数据集中运行代码进行统计分析（连续预测变量的风险比曲线的非参数估计）。这是我的数据集：

这是我试图运行的代码：

我收到以下错误：

1) 参数“时间”中定义的变量不在数据集“数据”中

当我运行代码的第一行时；

2) 时间必须是数字或整数类

当我运行第二行和第三行时。

Stefan Gelissen 在他的博客中提供了关于如何确定对数正态分布的中值剩余寿命的出色概述

但是，在运行他的代码时，我偶然发现了这一行

(mdrlhat <- uniroot(mdrl, c(0, 1e+9), t=t, Xmu=Xmu, Xsigma=Xsigma)$root)

其中 Stefan 使用硬编码区间 c(0, 1e+9)，这适用于 Meeker 和 Escobar (1998) 的示例数据集。

但是，我不清楚在使用不同数据的另一种情况下应如何确定此间隔。

任何人都可以帮忙吗？谢谢你。