coxph를 사용하여 예측하는 데 어려움이 있습니다. 나는 다음과 같이 샘플 데이터의 부족에서 파생 된 매개 변수에 샘플 데이터에 콕스의 PH 모델을 학습 한 후 사용하고자하는 : # learn IS params
model.PH <- coxph(Surv(days.IS, outcome.IS) ~ predictor.IS)
# apply IS params
저는 Cox 회귀를 모델링하고 있습니다. 일부 독립 변수는 서수 데이터이며 reffernce 그룹에 문제가 있습니다. 기본적으로 coxph 패키지는 변수의 첫 번째 그룹을 설명 그룹으로 사용합니다. 즉, 가능한 여성/남성의 여성 그룹은 설명입니다. 그러나, 나는 세 가지 수준 (1, 2, 3)과 서수 변수가 있습니다. 이 서수 변수에서 설명 그룹을 원하지는
R에서 연장 된 Cox 모델 (시간에 따라 변하는 공변량을 가짐)을 적용하는 계산 프로세스로 데이터베이스를 조정했습니다. 끝 포인트는 이벤트 또는 검열 시간이며이 newdatabase <- survSplit(database,cut=eventTimes,
end=time_to_event_variable,
event=Sta
Cox 모델을 만들고 검증하기위한 두 가지 데이터 집합 (교육 및 유효성 검사)이 있습니다. 훈련 데이터 세트를 사용하여 단계별 선택 방법을 사용하여 cox 모델을 장착했습니다. 모델의 중요한 변수는 유효성 확인 모델에 포함 된 유일한 변수입니다. 이것이 올바른 접근 방법입니까? 모델을 검증하면서 변수가 유효성 검증 모델에서 중요하지 않으며 cox 모델의
SAS에서 Cox proportional hazards 모델 (PHREG)을 사용하고 있습니다. 본인은 (t1,t2)*event 사양을 사용하여 개인이 위험 집합에 들어간 나이와 퇴원 연령을 here으로 표시했습니다. 저는 제 1 차 예측 변수에 대한 비례 위험 가정을 정확하게 테스트/평가하는 방법을 알아 내려고하고 있습니다. 내 초기 추측은 관심있는 예측
입니다. R에서 시시 변형 Cox proportional hazards (CPH) 모델을 개발하려고 시도하고 있으며, 누군가가 계산 구조에 대한 데이터 형식 지정을 돕는 코드를 생성했는지 궁금합니다. 시간 변화/시간 의존 CPH 모델에 사용됩니다. 문제 재현 다소 간단하게하기 위해, I는 4 개 변수 ( id, date, y 및 x)를 특징 데이터의 제 1
저는 텔레콤 버터 문제에 대해 연구하고 있습니다. 여기에 제 데이터 세트가 있습니다. http://www.sgi.com/tech/mlc/db/churn.data 이름 - http://www.sgi.com/tech/mlc/db/churn.names 나는 훈련 데이터 analysis.Given 생존에 새로 온 사람, 생존 모델을 구축하는 내 생각은 시험에 이탈
coxme 패키지의 coxme() 함수를 사용하여 R로 혼합 효과 Cox 모델을 피팅했습니다. 제 모델에는 검열 된 생존 시간 $ X $, 공 변량 $ Z $, 그룹 변수 $ Group $이 있습니다. 무작위 절편과 임의의 기울기가 있습니다. 즉, 모델 \ \ lambda (t | Z, b_0, b_1) = \ lambda_0 (t) e^{\ betaz +
간격 소비 데이터로 생존 분석을하고 coxph 함수를 기반으로하는 intcox 패키지의 intcox() 함수를 사용하고 있습니다. 여기에 ... > intcox(surv~sexo,data=dados)
Call:
intcox(formula = surv ~ sexo, data = dados)
coef exp(coef) se(coef) z p
나는 다음과 같이 R survival 패키지를 사용하여 상태 1에서 상태 2로 전환을 위해 콕스 비례 위험 모델을 추정하기 위해 노력하고 : 내가없이 모델을 추정하고 Altman <- coxph(Surv(Tstart, Tstop, to == 2) ~ wWCTA + wRETA + wEBITTA + wMETL +
wSTA, data=Multista