मैं उन प्रतिभागियों के डेटासेट में सर्व-मृत्यु दर के लिए एक भविष्यवाणी मॉडल (कॉक्स पीएच) विकसित करना चाहता हूं, जिनके (लगभग) सभी फॉलो-अप के अंत में मृत्यु हो गई है (जैसे 1-वर्ष)।
एक निश्चित समय-बिंदु पर मरने के पूर्ण जोखिम की भविष्यवाणी करने के बजाय, मैं प्रत्येक व्यक्ति के लिए जीवित रहने के समय (महीनों में) की भविष्यवाणी करना चाहूंगा।
क्या इस तरह की भविष्यवाणियों को आर में प्राप्त करना संभव है (उदाहरण के लिए एक कॉक्सफ-ऑब्जेक्ट) और, यदि हां, तो मैं यह कैसे कर सकता हूं?
अग्रिम में बहुत धन्यवाद!
जवाबों:
कॉक्स आनुपातिक खतरा मॉडल अंतर्निहित खतरे को मॉडल नहीं करता है, जो कि आपको जीवित रहने के समय की भविष्यवाणी करने की आवश्यकता है जैसे - यह मॉडल की महान शक्ति और यह एक बड़ी कमियां है।
यदि आप विशेष समय बिंदुओं पर अस्तित्व की संभावना के अनुमान प्राप्त करने में विशेष रूप से रुचि रखते हैं, तो मैं आपको पैरामीट्रिक उत्तरजीविता मॉडल (उर्फ त्वरित विफलता समय मॉडल) की ओर इंगित करता हूं। ये survivalआर के लिए पैकेज में लागू किए गए हैं , और आपको पैरामीट्रिक उत्तरजीविता समय वितरण प्रदान करेंगे, जिसमें आप बस उस समय को प्लग कर सकते हैं जिसमें आप रुचि रखते हैं और एक जीवित रहने की संभावना वापस पा सकते हैं।
@statBeginner हाँ यह होगा। इसके लिए दो चरणों की आवश्यकता है:
x <- survfit(cox.ph.model, newdata = dataset)
dataset$Results <- summary(x)$table[,"median"]
लेकिन मुझे यकीन नहीं है कि उत्तरजीविता के लिए माध्य समय पर्याप्त है।
हालांकि मैं इन बिंदुओं से सहमत हूं, मध्यजीविता अस्तित्व के नैदानिक रूप से उपयोगी है।
आप हमारे काम में दिलचस्पी ले सकते हैं (और अन्य) उत्तरजीविता अंतराल के आधार के रूप में माध्यिका का उपयोग करते हुए देख रहे हैं - हमें लगता है कि ये अधिक उपयोगी हैं।