问题标签 [survival-analysis]

问题

给定具有和变量（除其他外）的n患者记录，我想获得他们在他们所处的时间段内的生存风险，即 2、4、6、8、10 年。timestatus

我有 24 - 47 个月（2 年）、48 - 83 个月（4 年）、84 - 107 个月（6 年）、108 - 119 个月（8 年）和 120 个月的部门——“最多可用”个月（10年）。

从个人的角度来看，一个生存月数为 30 个月的患者将被包括在两年期间内，并且与其他预测变量一起，我想知道该患者在两年内的生存风险。

我的方法

我正在使用此线程中描述的 R 代码检索我的数据的生存风险百分比。

time变量是生存月份，具有status值1和0分别代表活着和死去。

代码输出如下内容（取自此处）：

我的问题是：这些是我需要使用的 300,000 条个人记录的实际生存估计survest(0:300000)吗？我尝试过survest(0:1000)，但结果已经收敛到某个值，这并不能解决我的问题。

我在使用 coxph() 时遇到了一些麻烦。我有两个分类变量：“tecnologia”和“pais”，我想评估“pais”对“tecnologia”的可能交互影响。“tecnologia”是一个具有 2 个级别的变量因子：gps 和 convencional。而“pais”分为 2 个级别：PT 和 ES。我不知道为什么这个警告不断出现。这是代码和输出：

我正在就这个主题提出另一个问题，尽管几个月前我提出了一个类似的问题，因为我再次面临同样的问题，还有其他数据。这次我确定这不是与数据相关的问题。

有人可以帮助我吗？谢谢

更新： 问题似乎不是一个完美的分类

我正在尝试在具有多个节点的计算中心运行条件逻辑回归，以评估 9.69 亿行的大数据集。但是计算取消了，因为作业超过了最大容量节点的最大内存 90GB。

我听说 R 包“Rmpi”可以在多个节点上运行计算。

我正在使用以下代码运行条件 logit 回归：

是否可以使用 Rmpi​​ 进行此计算，如果可以，我如何在代码中实现它？

我真的很感激任何帮助来解决这个问题。

非常感谢您提前。

我正在尝试使用 R 中的以下脚本对 9 x 484995115 矩阵运行条件逻辑回归

但是在具有 256GB 内存的节点上计算 2 小时后，程序停止并显示以下错误消息：

这个错误的原因是什么？在计算期间从未超过内存容量。我可以在代码中进行哪些更改以避免此错误？

我真的很感激任何帮助来解决这个问题。

非常感谢您提前。

我正在使用 Stata 绘制多个函数。在这种情况下，我正在绘制不同的 Gompertz 生存函数；一岁30一岁70。

首先，考虑30-岁：

如您所知，比例参数有一个常数 ( -3.520509) 和年龄 ( 0.0762475)，而形状有一个常数 ( 0.0378969)。

年龄以平均值为中心，这就是协变量为-34( 64 - 34 = 30) 的原因。

其次，考虑70-岁：

两个函数单独绘制时都很好。

但是，当我绘制两者时，一条曲线没有完成：

你能帮助我吗？

我正在将 cox 模型拟合到一些结构如下的数据：

该RUTH.CLASS变量实际上是一个因素，我已将其更改为一个因素：

伟大的。

拟合模型后

当我在模型中拟合更多变量时，会发生类似的事情：

model.matrix从下面截断输出：

我们可以看到，每一个的第一级都被排除在模型之外。任何投入将不胜感激。我注意到在LESION.TYPE变量上，""没有包含空白级别，但这不是设计使然——应该是 aNA或类似的东西。

我很困惑，可以使用一些帮助。谢谢。

我正在使用区间删失数据进行生存分析，并且正在尝试使用 incox 包中的 intcox() 函数进行 Cox 回归。我已经用 survfit() 完成了部分分析，一切正常。

当我尝试使用 intcox 时，总是有一个问题：

dados$sexo 是一个具有三个级别的因子，dados 是一个包含 156 个观察值和 52 个变量的列表。在进行 Kaplan-Meier 分析或在没有区间数据的情况下使用 coxph() 时没有问题。当我使用其他变量时，问题似乎是一样的。
我正在使用 R 3.0.1

**更新**
我没有改变任何东西，现在错误看起来像这样：

在 Kaplan-Meier 曲线中，如何预测给定时间的y值。

我正在使用区间截断数据进行生存分析，并且我正在使用 R 中 intcox 包中的 intcox() 函数，该函数基于 coxph 函数。

该函数返回没有似然比测试值的输出：

我不知道为什么会这样……这是 coxph() 函数对相同数据的应用：

你能帮我解决这个问题吗？
提前致谢。

对于不同的测试条件（电压），我必须评估存在辐射的电气设备的 MTTF。
对于每个电压，我只能测试几个单元（通常为 5 个），失败的单元数量范围从 0（低电压）到可能 5（高电压）。
因此，这是一个可能具有非常高的“正确”审查的生存分析案例（例如，在辐照结束时，可能只有一个单元发生故障，其他 4 个单元会正常）。我不是统计学家，所以想请教一下。

我正在使用 R 和“生存”包来处理数据。根据我的理解，R 计算 Kaplan-Meier 估计量并尝试将得到的经验分布拟合到 Weibull 故障模型（我正在使用带有 dist="weibull" 的 survreg，这是此类设备的故障模型）

我的问题：

我可以计算 MTTF（我使用 Weibull 分布的平均值和 Weibull 拟合产生的参数），但我有点迷失了获得 MTTF 的 95% 置信区间。
应用于 survreg(...) 的返回的 vcov() 函数提供了 Weibull 参数的方差和协方差，但我认为由于未集成的 Kaplan-Meier 估计量（参见：Greenwood 公式）存在额外的不确定性到整个事情。

我不知道如何将所有部分放在一起；R（在生存包或其他地方）有设施来实现这一点吗？或者您能否提供有关如何集成所有错误源的指南？