我使用Cox回归建模了一个问题,现在想要预测一个人的估计生存时间。该模型具有生存时间所依赖的协变量列表。 This告诉我们如何计算P(T> t),它基本上是给定个体的生存函数(1-CDF)。
我想预测一些略有不同的东西。鉴于已使用的协变量的值,我想预测该人居住的估计天数。据我所知,这类似于pdf的抽样。如何使用R中的生存包来完成此操作?以下是使用Cox回归模型的拟合概要。
Call:
coxph(formula = Surv(Time, death) ~ variable1 + variable2 + variable3 +
variable4 + variable5 + variable6 + variable7 + variable8 + variable9,
data = DataTest, method = "breslow")
n= 23756, number of events= 23756
coef exp(coef) se(coef) z Pr(>|z|)
variable1 0.02494 1.02526 0.02375 1.050 0.29354
variable2 -0.20715 0.81290 0.02395 -8.650 < 2e-16 ***
variable3 0.12940 1.13814 0.02263 5.717 1.08e-08 ***
variable4 0.02469 1.02500 0.02289 1.079 0.28077
variable5 0.13165 1.14070 0.02235 5.891 3.84e-09 ***
variable6 0.22286 1.24965 0.01534 14.526 < 2e-16 ***
variable7 -0.10513 0.90021 0.02035 -5.167 2.38e-07 ***
variable8 -0.12215 0.88501 0.02243 -5.447 5.13e-08 ***
variable9 -0.04930 0.95189 0.01827 -2.698 0.00697 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
exp(coef) exp(-coef) lower .95 upper .95
variable1 1.0253 0.9754 0.9786 1.0741
variable2 0.8129 1.2302 0.7756 0.8520
variable3 1.1381 0.8786 1.0888 1.1898
variable4 1.0250 0.9756 0.9800 1.0720
variable5 1.1407 0.8767 1.0918 1.1918
variable6 1.2496 0.8002 1.2126 1.2878
variable7 0.9002 1.1109 0.8650 0.9368
variable8 0.8850 1.1299 0.8470 0.9248
variable9 0.9519 1.0505 0.9184 0.9866
Concordance= 0.543 (se = 0.002 )
Rsquare= 0.022 (max possible= 1 )
Likelihood ratio test= 516.5 on 9 df, p=0
Wald test = 503.1 on 9 df, p=0
Score (logrank) test = 505.1 on 9 df, p=0
答案 0 :(得分:5)
由于生存数据的审查性质,计算中位生存时间而不是平均预期生存时间通常更有用。通过运行以下内容,您可以非常轻松地恢复数据中每个人的中位生存时间:
survfit(cox.ph.model,newdata= DataTest)
答案 1 :(得分:-1)
我不认为您可以使用Cox比例风险模型估算单次观察的存活时间。该模型输出风险比作为输出,非常适合理解协变量对生存的影响,因为它没有对基线危险函数做出任何假设。如果你想估计一次观察的存活时间,你最好使用Weibull或Exponential这样的分布,它们可以让你做到这一点,并且它是生存包的一部分。
谢谢,