问题标签 [survival]

我是生存分析的新手，不确定我的数据格式是否正确。使用这个虚拟数据：

在事件中，1 = 我关注的事件，0 = 事件尚未发生，2 = 因其他原因丢失。

我正在查看“事件”的年龄是否因您所在的“组”而异。我已经看到了两种格式的代码：

和

但根据我使用的代码，我得到不同的结果，而且 KM 图看起来也完全不同。只要我有随时间变化的协变量，我就需要数据。

谁能告诉我哪里出错了？

谢谢。

我正在尝试使用该survival包使用左截断数据来拟合生存模型，但是我不确定语法是否正确。

假设我们正在测量受雇年龄 ( age) 和工作类型 ( parttime) 对公共卫生诊所医生就业时间的影响。医生是否退出或被审查由censor变量表示（0 表示退出，1 表示审查）。这种行为是在 18 个月的窗口中测量的。退出或审查的时间由两个变量表示，entry（开始时间）和exit（停止时间）表示医生在诊所受雇的年数。如果医生在窗口“打开”后开始就业，他们的entry时间设置为 0。如果他们在窗口“打开”之前开始就业，他们的entry时间表示当窗口“打开”时他们已经在该职位上工作了多长时间，他们exit时间是从他们最初被雇用时起，他们要么辞职，要么被“关闭”窗口审查。我们还假设就业时间和就业时间之间存在双向交互作用age（exit）。

这是玩具数据集。它比普通数据集小得多，因此在survival给定数据结构的情况下，估计本身并不像包含的语法和变量（使用 R 中的包）是否正确那么重要。玩具数据与 Singer 和 Willet 的Applied Longitudinal Data Analysis第 15 章中讨论的数据集具有完全相同的结构。我试图匹配他们报告的结果，但没有成功。网上没有很多关于如何在 R 中对左截断数据进行生存分析的明确信息，以及为本书提供代码的网站（这里) 不提供相关章节的 R 代码。在 R 中建模时变协变量和交互效应的方法非常复杂，我只是想知道我是否遗漏了一些重要的东西。

这是玩具数据

现在为模型。

给定数据结构和我们想知道的内容，这是指定模型的正确方法吗？此处的答案表明它是正确的，但我不确定是否正确指定了交互变量。

以下示例通过添加“年龄”从文档示例修改

我会收到以下错误：

levels<-( , value = if (nl == nL) as.character *tmp*(labels) else paste0(labels, : 因子级别 [41] 重复

输入帧号，或 0 退出

1: autoplot(d.coxph)> Error in levels<-( *tmp*, value = if (nl == nL) as.character(labels) else paste0(labels, : factor level [41] is duplicated

输入帧号，或 0 退出

1: autoplot(d.coxph) 2: autoplot.survfit(d.coxph) 3: 强化(object, surv.connect = surv.connect, fun = fun) 4: fortify.survfit(object, surv.connect = surv.连接，乐趣 = 乐趣）5：因子（代表（组 ID，模型 $strata），级别 = 组 ID）

2: autoplot.survfit(d.coxph) 3: 强化(对象, surv.connect = surv.connect, fun = fun) 4: fortify.survfit(object, surv.connect = surv.connect, fun = fun) 5:因子（rep（groupIDs，model$strata），levels = groupIDs）

我想了解如何在 SPSS 19.0 中计算中位生存时间的标准误差

我查看了算法文档（ftp://ftp.software.ibm.com/software/analytics/spss/support/Stats/Docs/19.0/Client/User_Manuals/English/IBM_SPSS_Statistics_19_Algorithms.pdf）但找不到一个答案。

我发现这篇评论文章 ( http://www.barkerstats.com/PDFs/tas.pdf ) 概述了 SPSS 17.0 中的公式

这个对吗？如果是，我如何正确地将这个数量应用于中位生存时间？

我希望代码在两者的设置中生成生存曲线

• 时间相关协变量和
• 时变系数。

目的是展示计费方法如何影响人寿保险单失效。这很复杂

1. 客户的计费方式（发票或电子转帐）随时间而变化，
2. 计费方式对失效的影响会随着时间的推移而逐渐消失，并且
3. 计费方法对失效的影响取决于其他协变量。

在阅读了有关时间相关协变量的小插曲后，我不知道如何从具有时间相关协变量和时变系数的模型生成生存曲线。

当我说我想生成生存曲线时，我的意思是在一组固定的时间和协变量值下预测生存。下面就来说说吧LpsData。

我希望这个例子能奏效。我想知道是否有办法提取每个点的坐标和生存曲线。我知道?plot.survfit 它会产生一个带有每个类结束坐标的值，但我想知道线条变化的所有点

我知道我可以从中提取 surv 值 fit$surv，并且我可以将它们与fit$timeand结合起来，fit$n.event但是从这个矩阵中，我必须创建一个循环，以便在状态发生变化时在每 90 度转弯处创建一个点，所以如果有一个直接获得所有这些线转折点的值的更快方法。提前致谢

我构建了一个生存函数，例如：

现在我想确定 40% 的患者是什么时候感染的？这怎么能用R写？要么作为一个命令，给我一个数值作为结果，要么直接绘制到生存函数图中。

我知道生存函数描述了没有感染的概率，因此我可以从图中读取 0.6 的生存概率对应于 ca。45天？我如何将其绘制到图表中？

我试过（没有运气）：

我想用 r 开发一个cox 比例风险模型，用它来预测输入并评估模型的准确性。对于评估，我想使用Brior score。

作为预测的结果，我期望时间（如“这个个体何时经历失败）。相反，我得到这样的值

这意味着什么？

此外，sbrier 不起作用。显然它不能与预测 pred 一起工作（这并不奇怪）

我该如何解决这个问题？如何使用 cox.ph2 进行预测？之后如何评估模型？

我使用plotR 中的函数创建了残差图：

但是，我无法弄清楚如何将文本添加到外围观察中。例如，在左上图中，似乎有一个异常值在 inder 60-70 附近。这也是其他图中的一些潜在异常值。

我如何识别这些观察结果？ 我的数据具有以下结构：

我有一个看起来像这样的数据集：

我想将感染前的时间建模为治疗、表面、抗生素治疗前的时间和切除前的时间。根据其他帖子，该数据集必须从宽转换为长。但是我不知道该怎么做？然后，一旦数据格式正确，我将使用以下公式：

到目前为止，我只运行了一个正常的 Cox 回归，但我想这是不正确的，因为没有考虑时间依赖性？