分层 cox 模型的生存

如何解决分层 cox 模型的生存

我有一个分层的 cox 模型，并且想要基于该模型预测某些配置文件的生存曲线。

现在，因为我正在处理一个包含大量地层的大型数据集，我只想对非常特定的地层进行预测，以节省时间和内存。

survfit.coxph 的帮助页面指出： ... 如果新数据确实包含层变量，则结果将基于原始模型的指示层，每行新数据包含一条曲线。

当我运行下面的代码时，其中 newdata 确实包含层变量，我仍然得到两个层的预测，这与帮助页面相矛盾

df <- data.frame(X1 = runif(200),X2 = sample(c("A","B"),200,replace = TRUE),Ev = sample(c(0,1),Time = rexp(200))

testfit <- coxph( Surv(Time,Ev) ~ X1 + strata(X2),df)

out <- survfit(testfit,newdata = data.frame(X1 = 0.6,X2 = "A"))

这里有什么我看不到或不明白的地方吗？

解决方法

我不确定这是 survival:::survfit.coxph 中的错误还是功能。看起来代码中的预期行为是只返回请求的层。在函数中：

• strata(X2) 在包含 newdata 的环境中进行评估，并返回结果 A。
• 然后创建完整曲线。
• 然后有一些逻辑可以将曲线split 转化为层，但前提是 result$surv 是矩阵。

在您的示例中，它不是矩阵。如果它不是错误，我找不到任何关于它的预期用途的文档。也许值得给作者/维护者留个便条。

maintainer("survival")
# [1] "Terry M Therneau <[e-mail]>"

,

一些可能有用的评论：

• 我的例子不够大（我似乎没有很好地阅读 related github post，但那是在我在这里发布我的问题之后）：如果 newdata 至少有两个线（当然还有层变量），只返回所请求层的预测

• survfit.coxph 内部存在低效率，其中基线风险是针对原始数据集中的每个层计算的，而不仅仅是针对请求的层（参见 my contribution to the same github post）。但是，这似乎不是什么大问题（对大约有 50 万个观测值、50% 的事件和 1000 个层的数据集进行测试），只需不到一分钟

• 问题是在计算过程中某处的内存分配（在上面的例子中，一旦我想要对 100 个观测值进行预测——每个 1 个层——而 80 个预测的最终输出只有几 MB，事情就会崩溃）>

• 我的解决方法：

  • 选择您想要预测的所有观察
  • 使用 lp <- predict(...,type='lp') 获得所有这些观测值的线性预测值
  • 仅在第一次观察时使用 survfit：survfit(fit,newdata = expand_grid(newdf,strat = strata_list))
  • 将生成的生存估计值存储在 data.frame 中（或不存储，这取决于您）
  • 要计算其他观察的预测存活率，请使用 PH 假设（请参见下面的公式）。这只会调用一次 survfit.coxph 的开销，如果您只关注几次生存（例如 5 年和 10 年生存），则可以进一步减少计算机时间