Saya melakukan regresi Cox multivarian, saya memiliki variabel independen dan nilai beta yang signifikan. Model ini cocok dengan data saya dengan sangat baik.
Sekarang, saya ingin menggunakan model saya dan memprediksi kelangsungan hidup pengamatan baru. Saya tidak jelas bagaimana melakukan ini dengan model Cox. Dalam regresi linier atau logistik, akan mudah, cukup letakkan nilai-nilai pengamatan baru dalam regresi dan gandakan dengan betas sehingga saya memiliki prediksi hasil saya.
Bagaimana saya bisa menentukan bahaya garis dasar saya? Saya membutuhkannya selain menghitung prediksi.
Bagaimana ini dilakukan dalam model Cox?
validate
fungsi dalam Rrms
paket dalam hubungannya dengancph
fungsi akan melakukan itu. Satu-satunya algoritma stepwise yang diterapkanvalidate
adalah mundur mundur.Fungsi
predictSurvProb
dalampec
paket dapat memberikan Anda perkiraan risiko absolut untuk data baru berdasarkan model cox yang ada jika Anda menggunakan R.Rincian matematis yang tidak bisa saya jelaskan.
EDIT: Fungsi ini menyediakan probabilitas kelangsungan hidup, yang sejauh ini saya ambil sebagai 1- (probabilitas Kejadian).
EDIT 2:
Seseorang dapat melakukannya tanpa paket PEC. Dengan hanya menggunakan paket survival, fungsi berikut mengembalikan risiko absolut berdasarkan pada model Cox
sumber
muhaz
paket dalam R).S(t)=exp(−Λ(t))
manaΛ(t)
bahaya kumulatif.Mungkin Anda juga ingin mencoba sesuatu seperti ini? Cocokkan model bahaya proporsional Cox dan gunakan untuk mendapatkan kurva Survival yang diprediksi sebagai contoh baru.
Diambil dari file bantuan untuk survfit.coxph di R (saya baru saja menambahkan bagian baris)
Anda harus ingat bahwa untuk asumsi bahaya proporsional masih berlaku untuk prediksi Anda, pasien yang Anda prediksi harus berasal dari kelompok yang secara kualitatif sama dengan yang digunakan untuk mendapatkan model bahaya proporsional Cox yang Anda gunakan untuk ramalan.
sumber
The
basehaz
fungsisurvival
paket menyediakan bahaya dasar pada titik waktu acara. Dari situ Anda bisa meningkatkan matematika yang diberikan ocram dan memasukkan OR dari perkiraan coxph Anda.sumber
Seluruh poin dari model Cox adalah asumsi bahaya proporsional dan penggunaan likelhood parsial. Kemungkinan sebagian fungsi bahaya garis dasar dihilangkan. Jadi, Anda tidak perlu menentukan satu. Itulah keindahannya!
sumber
rms
.