Model bahaya proporsional Cox tersensor interval dalam R

Dengan interval waktu bertahan hidup yang disensor, bagaimana cara melakukan model Cox PH yang disensor interval R? Pencarian rseek memunculkan paket intcox, yang tidak lagi ada di Rrepositori. Saya hampir yakin coxphfungsi dalam survivalpaket tidak dapat menangani data survival interval yang disensor.

Juga, saya tidak ingin menyalahkan data dan kemudian menggunakan coxphfungsinya. Metode ini meremehkan kesalahan standar dari koefisien karena Anda mengabaikan ketidakpastian sensor interval.

r survival cox-model interval-censoring

— wcampbell
sumber

Anda masih dapat menginstal intcoxpaket meskipun itu tidak CRANmenggunakan normal install.packages("intcox").

— smillig

Hmmm ... saya tidak bisa melakukan itu. Apakah pemilihan mirror dapat memengaruhi unduhan?

— wcampbell

Itu mungkin, tapi saya tidak tahu. Saya baru saja menggunakan CRAN Berlin untuk melakukannya sekitar 10 menit yang lalu (versi R 2.15.1).

— smillig

The Analisis Kelangsungan Hidup CRAN Task Lihat merangkum paket yang tersedia untuk analisis survival, termasuk sejumlah dengan dukungan untuk menyensor interval.

— jthetzel

Pada 21 Desember 2015, saya dapat install.packages("intcox")tanpa masalah khusus (R-devel, tetapi R modern mana pun harus bekerja)

— Ben Bolker

Jawaban:

Seperti yang dinyatakan di atas, Anda dapat menggunakan fungsi survreg. Catatan: ini bukan model Cox PH, melainkan model skala lokasi. Menggunakan log-transformasi default, ini adalah model buritan. Dalam kasus distribusi eksponensial, bahaya proporsional dan model buritan adalah setara, jadi jika distribusi diatur ke eksponensial, ini adalah model bahaya proporsional dengan garis dasar eksponensial. Demikian juga, jika model belakang distribusi Weibull dasar digunakan, estimasi parameter hanya transformasi linear dari yang digunakan dalam model bahaya proporsional dengan distribusi baseline Weibull. Tetapi secara umum, survreg tidak cocok dengan model Cox PH.

Jika model semi-parametrik diinginkan, seperti yang ditemukan diimplementasikan dalam intcox, kata hati-hati: ada beberapa masalah dengan versi intcox saat ini (algoritma biasanya secara prematur berakhir jauh dari MLE, gagal dengan pengamatan tanpa sensor, tidak ada kesalahan standar disajikan secara otomatis).

Alternatif baru yang bisa Anda gunakan adalah paket "icenReg".

Penerimaan bias: ini adalah penulis icenReg.

— Cliff AB
sumber

Selamat datang di situs kami! Kami senang Anda dan kontribusi Anda baik.

— Whuber

@Cliff AB Apa metode semi-parametrik spesifik yang Anda gunakan dalam fungsi ic_sp? Apakah Anda memiliki makalah atau tutorial tentang metode ini?

— Munichong

@Munichong: makalah lengkap dapat ditemukan di sini . Sebagai alternatif, sketsa paket memberikan pengenalan cepat ke model juga; lihat di sini

— Cliff AB

@CliffAB Karena data saya terlalu besar untuk masuk ke dalam memori, saya ingin memodifikasi ic_sp dengan cara stokastik: Beri makan batch-mini ke ic_sp dan atur maxIter = 1, dapatkan gradien dan perbarui beta secara iteratif. Apakah Anda tahu Bagaimana saya dapat mengakses gradien dari fungsi ic_sp?

— Munichong

@Munichong: menarik! Sayangnya, saya tidak berpikir metode ini akan berhasil. Khususnya, ic_spperlu memperkirakan distribusi kelangsungan hidup garis dasar (tidak seperti dalam kasus yang disensor kanan), yang memiliki parameter sebanyak waktu unik dalam data Anda. Ini menciptakan masalah untuk mini-batching; dengan waktu terus menerus, langkah-langkah dasar tidak akan berbaris batch ke batch.

— Cliff AB

Untuk melakukan analisis interval interval di R, Anda harus membuat objek Surv, dan kemudian menggunakan survfit (). Jika Anda memiliki lebih dari satu variabel, paket intcox menyelesaikan masalah.

— JMarcelino
sumber