Model bahaya waktu diskrit (cloglog) di R

10

The survivalpaket di Rmuncul untuk fokus pada model survival waktu kontinu. Saya tertarik untuk memperkirakan versi waktu diskrit dari model bahaya proporsional, model log-log pelengkap. Saya memiliki model bertahan hidup yang cukup mudah, dengan sensor kanan sederhana.

Saya tahu bahwa satu cara untuk memperkirakan model ini adalah dengan membuat set data yang memiliki baris terpisah untuk setiap pengamatan untuk setiap periode di mana itu tidak "mati." Kemudian, glmmodel dengan cloglogtautan dapat digunakan.

Pendekatan ini tampaknya sangat tidak efisien dalam memori; memang, itu kemungkinan akan menghasilkan kumpulan data yang terlalu besar untuk memori pada mesin saya.

Pendekatan kedua adalah dengan mengkode MLE sendiri. Itu akan cukup sederhana, tetapi saya berharap ada paket yang memiliki model bertahan hidup ini. Akan lebih mudah untuk kolaborasi dan untuk menghindari kesalahan pengkodean untuk menggunakan paket.

Apakah ada yang tahu tentang paket seperti itu?

r survival Charlie
sumber
2
Jika ini waktu yang terpisah, Anda harus memiliki banyak ikatan, bukan? Saya mendapat kesan bahwa coxph(ties="exact"), dalam survivalpaket standar , membuat model "model logistik bersyarat, dan sesuai ketika waktunya adalah satu set kecil nilai diskrit". Apakah ini tidak akan berhasil untuk Anda? Apakah itu b / c itu tidak akan menggunakan cloglogtautan?
gung - Reinstate Monica
1
@ung, Terima kasih atas penunjuknya; Saya tidak tahu tentang fitur itu. Saya lebih suka menggunakan cloglogtautan.
Charlie

Jawaban:

8

Memiliki beberapa baris untuk setiap pengamatan mungkin tampak berlebihan, tetapi, sepertinya tidak. Jika ada kovariat yang bervariasi waktu dalam model, maka setiap bulan pengamatan pasti akan membutuhkan barisnya sendiri. Salah satu contoh khusus dari kovariat yang bervariasi waktu adalah waktu yang berlalu. Karena variabel ini hampir pasti dimasukkan dalam model, masuk akal untuk memiliki baris terpisah untuk setiap periode pengamatan. Dengan demikian, pendekatan pertama yang disarankan kemungkinan yang terbaik.

Perhatikan bahwa ini berbeda dari model bahaya proporsional waktu terus menerus dengan distribusi Weibull. Di sana, model bertahan hidup dapat disederhanakan menjadi satu baris untuk setiap pengamatan jika waktu yang berlalu adalah satu-satunya kovariat yang bervariasi waktu (lihat di sini , misalnya). Hasil serupa berlaku untuk model bahaya proporsional Cox.

Charlie
sumber