Answers:
以下Cox模型,对于个别的估计的危害有协矢量X 我的形式 ħ我(吨)= H ^ 0(吨)EXP (X ' 我β), 其中β是通过最大化局部可能性发现,而ħ 0从纳尔逊-阿伦估计如下 ,ħ 0(吨我)= ð 我
编辑: 这也可能是有趣的:-)
validate
在R功能rms
与结合包cph
功能将这样做。唯一实现的逐步算法validate
是向后降压。
如果使用R predictSurvProb
,则pec
包装中的函数可以为您提供基于现有cox模型的新数据的绝对风险估计。
我无法解释的数学细节。
编辑:该函数提供生存概率,到目前为止,我将其视为1-(事件概率)。
编辑2:
没有pec包也可以做。仅使用生存包,以下函数将基于Cox模型返回绝对风险
risk = function(model, newdata, time) {
as.numeric(1-summary(survfit(model, newdata = newdata, se.fit = F, conf.int = F), times = time)$surv)
}
muhaz
R中的程序包)。
S(t)=exp(−Λ(t))
在哪里Λ(t)
。
也许您还想尝试类似的方法?拟合Cox比例风险模型,并使用它来获得新实例的预测生存曲线。
从R中survfit.coxph的帮助文件中取出(我刚刚添加了行部分)
# fit a Cox proportional hazards model and plot the
# predicted survival for a 60 year old
fit <- coxph(Surv(futime, fustat) ~ age, data=ovarian)
plot(survfit(fit, newdata=data.frame(age=60)),
xscale=365.25, xlab="Years", ylab="Survival", conf.int=F)
# also plot the predicted survival for a 70 year old
lines(survfit(fit, newdata=data.frame(age=70)),
xscale=365.25, xlab="Years", ylab="Survival")
尽管要记住比例风险假设仍可用于您的预测,但您应记住,您所预测的患者应与从中推导用于Cox比例风险模型的人在质上相同。预测。
Cox模型的重点是比例风险的假设和部分可能性的使用。部分可能性消除了基准风险函数。因此,您无需指定一个。那就是它的美!
rms
。