भविष्यवाणी मॉडल (आर कॉक्सफ का उपयोग करके) से बचे हुए वक्रों को कैसे उत्पन्न किया जाए?

Question

मैं एक लोमड़ी शर्तों [अस्तित्व पैकेज का उपयोग करके] के साथ एक कॉक्स आनुपातिक खतरों मॉडल के लिए अनुमानित उत्तरजीवी फ़ंक्शन की गणना करना चाहता हूं। ऐसा प्रतीत होता है कि जब मॉडल में धोखाधड़ी की शर्तें हैं, तो पूर्वानुमानित उत्तरजीवी फ़ंक्शन की गणना नहीं की जा सकती है।

## Example 
require(survival)
data(rats)

## Create fake weight
set.seed(90989)
rats$weight<-runif(nrow(rats),0.2,0.9)

## Cox model with gamma frailty on litter
fit <- coxph(Surv(time, status) ~ rx+weight+frailty(litter,dist="gamma"),
data = rats) 

## Compute survival curve from the cox model for rx=0 and weight=0.5 kg
plot(survfit(fit, newdata=data.frame(rx=0,weight=0.5)),xlab = "time",
ylab="Survival") 

## Running this line, I get following error message:
Error in survfit.coxph(fit, newdata = data.frame(rx = 0, weight = 0.5)) : 
Newdata cannot be used when a model has sparse frailty terms

मैंने विकल्प का उपयोग करके विरल और गैर-विरल संगणना दोनों तरीकों का उपयोग करने की कोशिश की sparse=TRUE, Sparse =FALSE, sparse =0, sparse=5। हालांकि, कोई भी काम नहीं किया।

मैं अपने कमजोर मॉडल के आधार पर उत्तरजीविता वक्र की गणना कैसे करूं?

Answer 1

यहां समस्या वैसी ही है जैसी कि रैखिक मिश्रित प्रभाव वाले मॉडल से परिणामों की भविष्यवाणी करने की कोशिश की जाएगी। चूंकि उत्तरजीविता वक्र गैर-बंधनेवाला है, इसलिए आपके उदाहरण में प्रत्येक कूड़े में आपके द्वारा फिट किए गए मॉडल के अनुसार कूड़े-विशिष्ट अस्तित्व अस्तित्व वक्र है। जैसा कि आप जानते हैं कि एक धोखाधड़ी, एक यादृच्छिक अवरोधन के समान है, जो प्रत्येक कूड़े में आम और जटिल वैरिएबल वैरिएबल के सामान्य स्तर को दर्शाता है, संभवतया दृष्टिगत-आनुवंशिक लक्षणों को दर्शाता है। इसलिए खतरे के अनुपात के लिए रैखिक भविष्यवक्ता अवलोकन किए गए निश्चित प्रभावों और यादृच्छिक कूड़े के प्रभावों का मिश्रण है। मिश्रित मॉडल के विपरीत, कॉक्स मॉडल दंडित प्रतिगमन के साथ धोखाधड़ी शब्द फिट बैठता है, फिट की गई वस्तु वर्ग की है coxph-penalऔर इसके लिए कोई विधि नहीं है survreg.coxph-penal, इसलिए रैखिक भविष्यवक्ता बनाने के प्रयास विफल हो जाते हैं। एक दो वर्कअराउंड हैं।

1. बस केंद्रित covariates के साथ सीमांत मॉडल फिट।

2. Covariates केंद्र, 1 फिट, फिर यादृच्छिक प्रभाव मॉडल का उपयोग करके coxmeऔर यादृच्छिक प्रभावों को निकालने के लिए फिट करें , प्रत्येक कूड़े के लिए स्ट्रेटम विशिष्ट उत्तरजीविता वक्र की गणना करने के लिए एक ऑफसेट के साथ रैखिक भविष्यवक्ता में जोड़ें।

3. 2 प्रदर्शन और सीमांत मॉडल के फिटिंग के लिए एक अलग दृष्टिकोण, एक साथ सभी अस्तित्व घटता औसत से उन्हें हाशिए पर।

4. प्रत्येक कूड़े के लिए अलग-अलग अस्तित्व घटता का अनुमान लगाने के लिए सीमांत कॉक्स मॉडल में निश्चित प्रभाव या स्ट्रैट का उपयोग करें।