タグ付けされた質問 「cox-model」

私はマウスパッケージを研究していますが、複数の代入を使用してCoxモデルを作成し、そのモデルをrmsパッケージのvalidate()機能で検証する方法をまだ発見していません。データセットを使用した、これまでのサンプルコードを次に示しますveteran。 library(rms) library(survival) library(mice) remove(veteran) data(veteran) veteran$trt=factor(veteran$trt,levels=c(1,2)) veteran$prior=factor(veteran$prior,levels=c(0,10)) #Set random data to NA veteran[sample(137,4),1]=NA veteran[sample(137,4),2]=NA veteran[sample(137,4),7]=NA impvet=mice(veteran) survmod=with(veteran,Surv(time,status)) #make a CPH for each imputation for(i in seq(5)){ assign(paste("mod_",i,sep=""),cph(survmod~trt+celltype+karno+age+prior, data=complete(impvet,i),x=T,y=T)) } #Now there is a CPH model for mod_1, mod_2, mod_3, mod_4, and mod_5. さて、CPHモデルを1つだけ使用していた場合は、次のようにします。 validate(mod_1,B=20) 私が抱えている問題は、5つのCPHモデル（代入ごとに1つ）を取得し、で使用できるプールされたモデルを作成する方法rmsです。miceパッケージにいくつかの組み込みのプール関数があることは知っていますが、それらがのcphオブジェクトで機能するとは思いませんrms。ここでのキーはrms、プール後も引き続き使用できることです。私はハレルのaregImpute()関数の使用を調査しましたが、例とドキュメントに従っていくらか問題があります。 mice使用する方が簡単なようです。

8 r  survival  cox-model  data-imputation  rms 

データに使用するモデル（脆弱性、階層、またはクラスター）を誰かが手伝ってくれることを願っています。私はデータをペアにしたので、Cox PHをモデリングするときにそれを考慮に入れる必要があり、どのモデルがより正確な結果を与えるかわかりません。 私の研究は、特定の刺激を受けた後、人が落ち着くのにかかる時間を見ていました。各人は別々の日に2つの異なる刺激を受けました。彼らはランダムに最初の刺激が割り当てられました。これを生存分析（イベント発生までの時間）でモデル化しましたが、データがペアになっていることを考慮する必要があります。 脆弱性、階層、またはクラスターモデルをいつ使用するかについての支援があればすばらしいでしょう。

8 survival  cox-model  frailty  paired-data 

コミュニティに提起したい質問があります。最近、腫瘍マーカーの予後研究のために統計分析を提供するように依頼されました。私は主にこれら2つの参照を使用して、私の分析を導きました。 McShane LM、他 腫瘍マーカー予後研究に関する推奨事項の報告（注釈）。J Natl Cancer Inst。2005年8月17日。97（16）：1180-4。 サイモンRMなど 高次元データに基づく生存リスク分類子の予測精度を評価するための交差検証の使用。簡単なバイオインフォーム。2011年5月; 12（3）：203-14。Epub 2011 2月15日。 以下の研究と分析をまとめました。コメント、提案、または批判をいただければ幸いです。 研究の背景： がんXの一部の患者は、治療後早期に再発します。現在医師が使用している臨床予後スコアは、これらの患者の臨床転帰を予測する上で十分な役割を果たしていません。したがって、この標準スコア以上の価値を追加する生物学的予後マーカーを特定することは有用です。この研究の目的は、そのようなバイオマーカーを発見することです。 調査方法： 候補バイオマーカーの事前選択 がんXに関連する12のバイオマーカーが以前の研究で特定された。以下に示すように、患者/腫瘍の独立したサンプルで、これらの12の候補と癌Xの関連を検証しようとしました。 事前選択された候補バイオマーカーの単変量検証 これらのバイオマーカーのレベルは、220人の患者/腫瘍のセットで測定されました。 [注：データをマスクして、*。csvファイルとして公開ダウンロードできるようにしました。ファイルには次の列があります。「ID」、各患者の一意の識別子。「PS」は各患者の予後スコアで、1は予後良好を示し、2は予後不良を示します。「m1」〜「m12」、各腫瘍マーカーのレベル。「時間」、月単位。「イベント」。0は監視が中止されたことを示し、1は治療失敗が発生したことを示す。 従属変数としての死亡までの時間を含む単変量Cox回帰モデルは、12のバイオマーカーのそれぞれについて作成されました（n = 220の観測値、イベントの数= 91）。 Risk LCI UCI pValue 1 0.93 0.86 1.02 0.1088 2 0.93 0.88 0.99 0.0215 3 0.99 0.92 1.05 0.6528 4 0.93 0.87 1.00 0.0468 5 …

8 predictive-models  survival  epidemiology  biostatistics  cox-model 

これは長い間悩まされてきた問題であり、教科書、Google、またはStack Exchangeで良い答えを見つけられませんでした。 4つの治療法が比較されている10万人を超える患者のデータセットがあります。研究の問題は、一連の臨床的/人口統計学的変数を調整した後、これらの治療の間で生存率が異なるかどうかです。未調整のKM曲線は次のとおりです。 非比例ハザードは、私が使用したすべての方法で示されました（たとえば、調整されていない対数-生存曲線、時間との相互作用、シェーンフィールド残差とランク付き生存時間の相関、これらは調整されたCox PHモデルに基づいています）。対数生存曲線は以下のとおりです。ご覧のとおり、非比例の形は混乱しています。2つのグループの比較はどれも、個別に処理するのが難しいほどのものではありませんが、6つの比較があるという事実は、本当に困惑しています。私の推測では、1つのモデルですべてを処理することはできません。 これらのデータをどうするかについての推奨事項を探しています。拡張されたCoxモデルを使用してこれらの効果をモデル化することは、非比例の比較と異なる形式の数を考えると、おそらく不可能です。彼らが治療の違いに興味を持っていることを考えると、全体的な層別モデルは、これらの違いを推定することができないため、選択肢にはなりません。 したがって、私を自由に引き離してください。しかし、最初に層別モデルを推定して、他の共変量の効果を得るために（もちろん、相互作用なしの仮定をテストして）、次に、それぞれについて個別の多変数Coxモデルを再推定することを考えていました。 2グループ比較（つまり、合計6モデル）。このようにして、2つのグループの比較ごとに非比例の形式に対処し、誤った推定HRを取得できます。標準誤差には偏りがあることは理解していますが、サンプルサイズを考えると、すべてが「統計的に」有意である可能性があります。

7 survival  cox-model  proportional-hazards 

cox回帰を使用するために、Rで時間依存の共変量を生成する方法がわかりません。 データセットをイベント時間の間隔に再編成する必要があることは知っています。これは、浮かぶチュートリアルで私ができると信じています。その後、行き詰まりましたが。それで？各共変量について、特定の時間間隔ごとにその値を計算する必要がありますか？どうすればいいですか？データベースに戻って、脈拍数が記録された日付を取得し、日付に基づいて脈拍値を更新する必要がありますか？ 時間依存の共変量を実行する場合、データベースに戻って日付/時刻情報をさらに抽出し、すべての共変量情報を更新する必要があることを確認したいだけです。基本的に、データセットを「長い」形式に変換するチュートリアルは、私がする必要がある唯一のものではありませんよね？

7 data-transformation  cox-model  time-varying-covariate 

私はワイブルアプローチを使用して生存モデルを実行しようとしていますが、しわがあるのは、時変共変量があるためです。私はRでサバイバルパッケージを使用しています。私の呼び出しは次のとおりです。 output <- survreg(Surv(start, stop, fail) ~ gdppc + [...] + cluster(name), data = mydata, dist="weibull") 次のエラーが発生します。 Error in survreg(Surv(start, stop, fail) ~ gdppclag + : Invalid survival type coxph手順が正常に動作しますが、私はワイブルを使用します。 私の最初の質問は次のとおりです。ワイブルアプローチは、時変共変量を説明できますか？私はいくつかのテキストを見回しましたが、Cox PHアプローチは時変共変量に拡張できることがわかりました。ワイブルアプローチがそれを実行できるかどうかはあまり明確ではありません。 次に、実際にワイブルが機能する場合、それを処理できるRのパッケージは何ですか？

7 r  survival  cox-model  weibull