使用R中的生存包在cox比例风险模型中实现非线性关系

Question

我根据树木普查数据模拟树木死亡率。人们以不同的间隔外出，记录树木是否存在或死亡。我使用import { combineReducers } from 'redux' import loginForm from './loginForm' const inboundApp = combineReducers({ loginForm }) export default inboundApp 函数运行cox比例风险模型来分析树死亡概率作为几个预测变量的函数。代码如下所示：

coxph

然而，我的一个预测因子树大小实际上预计与死亡概率具有非线性关系。具体来说，树木在很小的时候死亡很多，死亡的概率随着它们到达“少年”阶段而下降并且是中等大小，然后随着树木变大和变大，死亡概率会逐渐增加。这在死亡概率和树大小之间创建了“逆J形”模式。它看起来像这样：

如何将这种非线性关系纳入coxph框架？如果无法做到这一点，我还能如何使用JAGS模型或其他方法分析R环境中的死亡概率？

Answer 1

尝试：

library(mgcv)
fit <- gam(S ~ s(x1, bs = 'cr', k = 10) + s(x2, bs= 'cr', k = 10) +
           s(x3, bs = 'cr', k = 10), family = cox.ph(), data = data)

您可以使用添加剂Cox比例风险模型，其中所有项都是非线性样条曲线。有关大量示例，请参阅?cox.ph。

如果您之前未使用mgcv，则可能还需要查看?gam和?s。模型拟合后，summary.gam()，gam.check()和predict.gam()是您的朋友。