问题标签 [survival-analysis]

这是对先前提出的相关问题的跟进：使用 survplot 绘制处于风险中的主题时，数据和代码在此处出现错误消息

当试图将处于危险中的对象绘制在 survplot 下方时，表格要么与 x 轴的标签重叠，要么不出现在图上（在下面的示例中，缺少一行；totalps=4）。如何解决这个问题？

从文档到 survplot 命令，我知道我可能必须使用 par 命令重置绘图的边距（例如 par(mar=c(5,4,4,2)+.1)。）我没有不了解如何将此 par 命令包含到 survplot 中。

此外，表中关于处于危险中的对象的行之间有相当大的空间。有没有直接的方法来减少这个空间？

这里的情节代码：

我试图弄清楚如何在离散生存分析中对异常值进行适当的测试（我使用逻辑回归）。我为连续生存分析找到了一些建议，但对于离散的则没有。

非常感谢对方法、文献或类似的建议！

嗨，我对 R 完全陌生。这是我第一次尝试它。我正在制作一个按年龄细分的生存情节。我不知道如何为每个年龄线指定颜色并将其放入图例中。任何人都可以帮忙吗？

我估计了一个 Cox 回归模型。该模型将预测特定汽车拥有的持续时间，并取决于收入家庭规模和年龄。

我想在不同的数据库上运行该模型，以了解不断变化的社会因素对汽车拥有量的影响。因此，我将模型结果保存在 xml 文档中。

然后我将此文档用作评分向导的输入，然后单击下一步。下一步对我来说并不完全清楚，它表明所有变量，依赖和独立，都是预测变量。但是持续时间变量不应该是目标变量吗？现在模型将审查变量作为目标值。（删失变量显示是否发生了变化）。

我想估计新的持续时间。但是我认为这个模型的预测值是生存的概率。

因此，我的问题是如何使持续时间变量成为目标值，否则我应该如何解释预测值？

亲切的问候，马龙

我将 pec 包中的 cindex 函数与 coxph （生存包）中的结果一致性索引进行比较。

1）首先这两个函数之间的结果不同

2) 如果我使用计数过程格式，cindex 函数会给我一个错误

有谁知道为什么 1）两个 C 索引不同，2）是否可以在 cindex 函数中使用计数过程格式？

谢谢！

我想从包含时间相关协变量的 Cox 比例风险模型中生成生存时间。模型是

whereXi是从Binomial(1,0.5)和生成mi(t)的time-dependent covariate。

对于与时间无关的协变量，我生成如下

谁能帮我生成具有时变协变量的生存数据。

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

SAS 语句中的itprint选项导致显示迭代历史。这包括一个 Ridge 值，以及每次迭代的 beta 值和对数可能性。Ridge 通常为零，但当对数似然比前一次迭代的对数似然更负时，它就是非零。我需要知道 SAS 如何计算该脊值，并且在该过程的“详细信息”部分或其他任何地方都找不到任何内容。classproc phreg

看来，默认情况下，Ridge 值始终为0.0001 * 2^n，并且 SAS 以 开始n=0并递增n，直到对数似然比前一次迭代中的负数更小。但我已经测试了至少一个使用 SAS 的示例Ridge=0.4096何时Ridge=0.2048就足够了。

更新：我现在认为 SAS 正在迭代4^n，而不是2^n. 这解释了跳过2048并且与我迄今为止的测试一致。

所以我想我已经回答了我自己的问题，现在希望这种方法得到学术支持。正如Robert Penridge和Joe建议的那样，我可能会在Cross Validated中寻求这一点。

我正在运行共享 gamma 脆弱模型（即，具有随机效应的 Coxph 生存分析模型），并且想知道记录转换您的连续预测变量之一是否“可接受”。我发现一个网站（http://www.medcalc.org/manual/cox_proportional_hazards.php）说“Cox比例回归模型假设......端点和预测变量之间应该存在线性关系。预测变量有高度偏斜的分布可能需要对数变换来减少极值的影响。变量 var 的对数变换可以通过输入 LOG(var) 作为预测变量来获得。

我非常感谢对此主题有更多统计知识的人的第二意见。简而言之：在生存分析模型（例如，Coxph 模型）中转换（特别是对数转换）预测变量是否可以/常见/等等。

谢谢。

我有一个看起来像这样的表：

我想做一个卡普兰梅尔图，并告诉我野生型或变种是否倾向于存活更长时间。

我有这个代码：

从拟合的 p 值可以看出，这两组的生存曲线存在显着差异。

该图看起来符合预期（即两条曲线）。

我要做的就是在图上放一个图例，这样我就可以看到哪些数据由黑线和红线表示，即 Wild Type 或 Variant 存活时间更长。

我试过这两个命令：

第一个命令有效（即我没有错误）。第二个命令，我得到这个错误：

strwidth 中的错误（图例，单位 =“用户”，cex = cex，字体 = text.font）：尚未调用 plot.new

我试过阅读论坛等，但似乎没有一个答案对我有用（例如，在 top/topright/topleft 等之间切换并不重要）。

编辑 1：这是我收到此错误的表的示例：

究竟发生了什么：当我输入最后一个命令（legend("top",legend=lab,col=3:4,lty=2:3,horiz=FALSE,bty='n')）时，XII 窗口打开，但它是完全空白的。

但是，如果您只是键入“plot(fit,lty=2:3,col=3:4)”，则会出现 XII 窗口和绘图。

编辑 2：此外，该图将有两条线，我如何判断哪条线是哪个变量？最简单的方法是输入summary(fit)，它给了我两个表。那么，无论哪个变量在表中排在第一位，我在图例中排在第一位？

非常感谢伊娃