问题标签 [survival-analysis]

我正在通过生存分析进行一些探索。我想通过指数曲线外推得到KM曲线的平均生存时间。这是内置在Stata中的。之后stset，可以分别用stci, rmean和得到受限和非受限手段stci, emean。

例子：

外推部分必须存在不确定性。我想知道 emean 的标准差。甚至范围。

我在谷歌和这些网站上四处搜索，但没有运气。

这可能吗？

我正在尝试使用margins在拟合参数生存函数后，

例如：

产生以下输出：

如您所见，它给出了中位时间。如果你做任何直接回归，它总是给出平均值。

还有其他人遇到这个问题吗？

我使用 kaplan-Meir 方法完成了多个生存模型，每个生存模型都是通过根据数据表中显示的组列将数据子集提取到不同的 R 数据表来构建的。我可以单独绘制每条生存曲线，但我想在一个图中绘制所有这些不同的模型。最好的方法是什么。

在 ggplot 中执行此操作会很棒，通过搜索我发现以下内容ggplot2- 在同一个图上绘制多个模型，但由于我的数据性质，我在执行此类场景时遇到了问题。例如userid来自多个网站，因此userid=2可以存在于另一个组下。

可以说使用上面的 data.table 我创建了以下内容：

这只会在同一个图中绘制一个相似点我想绘制我为不同的 b 组数据构建的模型data.table / data.frame

我正在尝试使用 Rsurvival包估计从状态 1 到状态 2 的转换的 Cox 比例风险模型，如下所示：

当我在没有frailty参数的情况下估计模型时，它工作正常。但是当我包含它时，我收到以下错误：

谁能解释我哪里出错了？

问候，

Ĵ

我正在尝试获取有关不同程序注册的月度数据，并将其转换为每个“idnum”的持续时间/咒语。例如：

“idnum” 00001 在 201301 至 201303（3 个月的持续时间）和 201306 至 201307（2 个月的持续时间）的计划“1”中注册。

“idnum”00002 从 201301 到 201302（2 个月）、从 201304 到 201305（2 个月）和从 201307 到 201308（2 个月）参加了计划“1”。

我想要的是类似于以下的结果：

任何帮助将不胜感激！提前感谢您的建议。

我想模拟数据集，该数据集从 3 个 weibull 分布中具有递减然后增加的风险，但我想让这个风险函数更接近于零，我怎样才能得到大约 0.1 或更少。我怎样才能修复我的代码来拥有这个？

我无法使用 PyMC 从提供的 BUGS 代码中复制结果。BUGS 模型是 Andersen-Gill 乘法强度 Cox PH 模型。

我使用以下初始值

我使用单链（目前）和 5000 次迭代进行老化。我运行了 10000 次额外迭代的估计，并收到了与论文中报告的相同的点估计。这些也接近于早期的常客估计。

我尝试使用以下代码在 PyMC 2.3.2 中复制它。完整的复制代码可在此处获得

但是，我并没有接近相同的点估计。我得到类似的东西

最令人担忧的是，迹象不同。我想这可能只是一个收敛问题，所以我一夜之间运行了 50,000 次迭代，没有太大变化。也许我的 PyMC 模型存在一些错误或差异，尤其是 dL0 规范？

我尝试过不同的起始值。我试过让模型运行多次迭代。我将先验集中在 BUGS 的点估计上。

完整的笔记本在这里。问题出在最后的 Cox 模型中。其余的同意这篇论文。

背景。W 是一个共同的弱点。我有 48 个州的 430 个区。我希望每个状态的值都相同，所以我只需将 48 个值分割成W.value430 个（共享）弱点。

谁能发现我的错误？如果我省略了该W.value[stfips]部分，那么跟踪会更新。例如，

我正在打印beta.value，它肯定会发生变化。我W.value[stfips]在 Weibull 模型中使用具有共同弱点的符号，它工作正常。Cox 模型是正确的 AFAIK，并且与这个问题相同，除非我遗漏了一些错误。

我正在使用 PyMC 2.3.2。

运行这个我得到类似下面打印出来的 beta.value

但对于

我对上一篇文章有​​类似的挑战：如何传递向量来集成函数

我有一个函数，我想整合曲线下的面积。

一、【生存】功能：

score来自风险计算器，它会调整生存估计。患者有不同的分数，例如：

surv如果我们有一个特定的时间点，计算所有 7 名患者的时间很容易x：

但是为了得到一个群体的平均存活率或一个个体的预期存活率，我需要计算曲线下的面积，其中曲线由函数给出surv。我需要计算 和 限制下的x=0面积x=Inf。我需要为所有 7 名（在本例中）患者执行此操作。

我引用的另一个 stackoverflow 帖子也有类似的问题。目前尚不清楚该解决方案是否可以帮助我。我在下面介绍它：

fun_integrate是要集成的功能

vectorize.args是要矢量化并传递给 fun_integrate 的参数

vec是作为要传递到 fun_integrate 的参数的值向量

我不知道细分是什么，但我认为这并不重要。

我尝试使用以下方法执行此操作：

我尝试了不同的修改，但似乎没有任何结果。

你有什么建议吗？

尝试在 survplot 中沿 x 轴绘制有风险的受试者时，我收到以下错误消息：

有什么帮助吗？我对生存分析相当陌生，未能找到对此错误的任何解释。总体而言，代码看起来不错，除非我为绘图添加 n.risk=TRUE 选项，否则会出现错误。任何提示将不胜感激。非常感谢。

下面是数据以及使用的代码。

这里的数据

生存对象的创建

适合 + 转换为 npsurv

剧情：