问题标签 [survival-analysis]

我知道 MATLAB 中有COXPHFIT函数可以进行 Cox 回归，但我在理解如何应用它时遇到了问题。

1）如何将两组样本与生存数据（survdays）、删失（cens）和一些预测值（x）进行比较？由groups逻辑变量定义的组。组有不同数量的样本。

2) coxphfit 中的基线参数是什么？我确实阅读了文档，但我应该如何正确选择基线？

如果您知道一个有关于医疗生存数据的详细示例的网站，那就太好了。我只找到了甚至没有提到 coxphfit的Mathworks 演示。

你知道 Cox 回归可能是另一个第 3 方函数吗？

更新：r自从我得到的答案是R之后添加的标签。

我有 4 个感兴趣的区间：

• 0 - 30 天
• 30 天 - ½ 年
• ½ - 2 年
• 2 年 - 10 年

现在我正在像这样对我的数据集进行子集化：

我正在使用“生存”包进行 cox 回归（我还使用“设计”包中的 cph 进行 C 统计计算）。

我的问题：

有没有更好的方法来执行这种左截断和右删失？

理想的情况是：

我查看了帮助和时间，time2 & type 似乎确实可以处理截断，但我认为这是一个更复杂的设置，受试者在 22 天后进入研究，而不是将数据分成间隔。

编辑

我在生存包中找到了 survSplit() 函数，但是虽然它的描述似乎是正确的，但我不知道如何驯服它——这个例子并没有真正帮助我。有没有人有这方面的经验？

我正在尝试将 Weibull 模型拟合并绘制到生存数据中。该数据只有一个协变量，即从 2006 年到 2010 年运行的队列。那么，关于在接下来的两行代码中添加什么来绘制 2010 年队列的生存曲线的任何想法？

使用 Cox PH 模型完成相同的操作相当简单，只需以下几行。问题是 survfit() 不接受 survreg 类型的对象。

使用数据肺（来自生存包），这就是我想要完成的事情。

我试图在特定时间获得不同人的生存估计。

我的代码如下：

这段代码创建了生存对象，为每 11 个人创建了一条生存曲线，绘制了每条曲线，并且使用汇总函数，我可以获得第 1 个人的生存估计值time = 4。

我正在尝试为每个人在指定时间（time = 4）创建一个生存估计列表。

任何帮助，将不胜感激。

谢谢，马特

假设我有以下数据框

如何执行多重比较测试比较例如 group0 与所有其他组？还是每组都在一起？

有没有一种很好的方法来绘制这些多重比较（例如plot.TukeyHSD()在aov()?

我正在尝试在 R 中创建精算生存分析（我正在关注一些工作示例）。我认为最好的方法是使用survival包。所以像：

但是，为了得到正确的答案，我需要将TIME变量划分为 365 天的间隔，我无法完全弄清楚如何做到这一点，以便它与给定的结果相匹配。

据我所知，函数中没有选项survfit可以做到这一点。我浏览了几个文档示例，但没有一个试图创建阶梯类型的情节（有一个type='interval'选项，但似乎做了一些不同的事情）。所以我想我需要在应用该功能之前重新组合我的数据survival？

有任何想法吗？

PS：在 SPSS 这将是INTERVAL = THRU 10000 BY 365；在Stataintervals(365) ... connect(stairsteps)

I have built a survival cox-model, which includes a covariate * time interaction (non-proportionality detected). I am now wondering how could I most easily get survival predictions from my model.

My model was specified:

And now I was hoping to get a prediction using survfit and providing new.data for the combination of variables I am doing the predictions:

Now as I have event_time_mod in the right-hand side in my model I need to specify it in the new data frame passed on to survfit. This event_time would need to be set at individual times of the predictions. Is there an easy way to specify event_time_mod to be the correct time to survfit? Or are there any other options for achieving predictions from my model?

Of course I could create as many rows in the new data frame as there are distinct times in the predictions and setting to event_time_mod to correct values but it feels really cumbersome and I thought that there must be a better way.

当我使用summary()对象survfit时，我得到一个不错的 data.frame，其中包含用于

但是summary()在一个coxph对象上给出了不同的结果。我意识到函数在不同的对象类上的工作方式不同，但是是否有一个命令coxph以类似的方式summary()工作survfit？到目前为止，我无法在文档中找到答案。

谢谢！汤姆

我所拥有的是使用 R 对机械心脏支持患者的 Kaplan-Meier 分析。

我需要将以下数据添加到图中（如示例中所示）：

• 因心脏移植（HTX）而幸存的患者
• 死亡的病人

换句话说，有两组，其中一组是另一组（所有患者）的子集（移植患者）。这两条曲线必须从 0/0 开始并且会增加。

我自己的情节是由：

如何添加两条附加曲线？

亲切的问候约翰

示例 Kaplan Meier 曲线：http: //i.stack.imgur.com/158e8.jpg

演示数据：

进入泵的生存数据：

发送数据：

死亡人数：

我正在 R 中进行一些生存分析，并希望整理/简化我的代码。

目前我在数据分析中做了几个步骤：

1. 制作一个 Surv 对象（时间变量，指示每个观察是否被审查）；
2. 根据分类预测器拟合此 Surv 对象，用于绘制/估计中位生存时间过程；和
3. 计算对数秩检验，以询问是否存在组间生存“显着”差异的证据。

作为一个例子，这里是一个使用 R 的生存包中的肺数据集的模型。所以下面的代码与我想要做的足够相似，但在预测器集方面简化了很多（这就是我想要的原因为了简化代码，所以我不会跨模型进行不一致的调用）。

现在这一切都很好，花花公子，我可以忍受这个，但想做得更好。

所以我的问题是关于第 3 步。我想在这里做的是能够使用来自lung.survfit 对象的公式中的信息来计算生存曲线的差异：即在对survdiff 的调用中。这就是我驯服的 [原文如此] 编程技能碰壁的地方。以下是我目前的尝试：如果您能提供任何帮助，我将不胜感激！一旦我可以解决这个问题，我应该能够将解决方案包装在一个函数中。