R에서 연장 된 Cox 모델 (시간에 따라 변하는 공변량을 가짐)을 적용하는 계산 프로세스로 데이터베이스를 조정했습니다. 끝 포인트는 이벤트 또는 검열 시간이며R의 개별 생존 곡선 그래프
이newdatabase <- survSplit(database,cut=eventTimes,
end=time_to_event_variable,
event=Status,start="start",id="newID")
object<-coxph(Surv(newdatabase$start, newdatabase[time_to_event_variable],
newdatabase[Status] ~.,
data = newdatabase [c(some_covariates)])
지금 내 소원은 (개별 I에 대한) 개인의 생존 곡선을 그릴 것입니다 : 절단 포인트는 데이터의 모든 이벤트 시간입니다
S_i_cox <- survfit(object,newdata=newdatabase,id=newID)[i]
내 문제가 survFit 객체 인의 생존 곡선을 설명합니다 환자 i R (환자의 I) 자신의 이벤트 시간까지 이전 이벤트 시간은 (다른 환자의) : 즉
는 S_i_cox$time and S_i_cox$surv
는 이벤트가 나는 경우 환자 전에 발생 얼마나 많은 따라 각 환자에 따라 다를 수 있습니다. 예를 들어, 가장 낮은 시간 이벤트 을 가진 환자는 그의 생존 곡선 (개체 S_i_cox
)의 측정을 한 번뿐입니다.
생존의 포인트를 더 많이 얻는 방법 (그리고 실제 곡선을 얻는 방법)? 나는 survchplit의 컷을 더 많은 포인트 으로 바꿀 수 있다는 것을 이해합니다.하지만 환자의 실제 엔드 포인트 이벤트 후에도 개별 생존을 예측하는 것이 좋습니다.
덕분에 많은 일란
테리 Therneau 그가 시간에 따라 변화하는 계수와 모델을 사용하는 경우 예상 생존 곡선을 그리는 방법을 알고하지 않습니다 말했다. 반복적으로 논의 된 r-help 아카이브를 검색하십시오. 2 년 전 그가 말했던 것입니다 : "시간 의존 공변량에 대한"생존 곡선 "은 이 쉽게 정의되지 않은 무언가입니다.이 내용에 대한 Therneau and Grambch 책의 10.2.4 장을 읽으십시오. 나는 많은 실수를 저질렀다.) " –