Question

在R中，我安排我的数据库作为计数过程来应用扩展的Cox模型（具有随时间变化的协变量）：终点是事件或审查时间的时间点，切点是数据中的所有事件时间：

newdatabase <- survSplit(database,cut=eventTimes,
                            end=time_to_event_variable,
                            event=Status,start="start",id="newID")

object<-coxph(Surv(newdatabase$start, newdatabase[time_to_event_variable],
                    newdatabase[Status] ~., 
                    data = newdatabase [c(some_covariates)])

现在我希望绘制个体生存曲线（对于个体i）：

S_i_cox <- survfit(object,newdata=newdatabase,id=newID)[i]

我的问题是，survFit对象描述了患者i的生存曲线仅对于之前的事件时间（其他患者）直到他的事件时间（患者i）：

换言之，

每个患者S_i_cox$time and S_i_cox$surv会有所不同，具体取决于患者数量事件发生在患者之前。例如，具有最低时间事件的患者只有一次他的生存曲线测量（在对象S_i_cox中）。

如何获得更多生存点（并获得真实的曲线估计）？据我所知，我可以更改survSplit的剪辑以获得更多积分但是这个想法是预测患者实际终点事件后的个体幸存者。

非常感谢伊兰

Answer 1

我记得用扩展的Cox模型做这件事，就像你上面描述的那样

Kleinbaum在他的书中解释了这一点： Cox调整后的生存估计和图可以通过将摘要或绘图函数应用于从函数survfit创建的对象来获得。第一步是使用coxph函数运行Cox模型。

调整后的生存曲线通常取决于协变量的模式。假设我们有兴趣绘制模式SEX ='MALE'，BLOOD_PRESSURE = 130和TREATMENT = 0的生存曲线。首先，我们需要使用data.frame函数创建一个带有一个观察的数据集（或数据帧）。 E.g：

pattern1=data.frame(SEX='MALE', BLOOD_PRESSURE=130, TREATMENT=0)

这一个观察数据帧称为pattern1。要获得Cox调整后的生存估计值，请在摘要函数中应用幸存函数，如下所示：

summary(survfit(mod1,newdata=pattern1))

幸存函数的第一个参数是使用coxph函数创建的名为mod1的对象。第二个参数提供包含感兴趣的协变量模式的数据帧（称为pattern1）。

绘制它：

plot(survfit(mod1,newdata=pattern1))

R中个体存活曲线图

1 个答案: