具有时间相关协变量的Cox回归的模型建议

我正在模拟怀孕对疾病后果（死活）的影响。诊断后，大约40％的患者确实怀孕了-但时间不同。到目前为止，我已经完成了KM图，显示了妊娠对生存的明显保护作用，并且还建立了常规的Cox模型-但是仅使用二等分的妊娠变量对它们进行了建模，并假设从诊断开始就存在这种影响，这显然是不现实的因为从诊断到怀孕的平均时间为4年。

哪种模型可以在诊断后的不同时间点吸收多次怀孕的影响？对与时间交互作用的怀孕进行建模是否正确（这将需要进行一些认真的数据重建—是否有任何自动化软件可以对此进行帮助？）还是针对这些问题是否存在另一种首选的建模策略？这些问题的首选绘图策略是什么？

这里您需要的是随时间变化的协变量，而不一定是随时间变化的系数。斯坦福心脏移植数据是一个可以帮助您进行分析的例子。

为了展示您的结果，您可以使用经典的Kaplan-Meier估计器，该估计器可以毫无问题地处理随时间变化的协变量（但是请记住，这是一个粗略的分析，或者未经调整且具有所有众所周知的局限性）。

例如，下图显示了正确考虑时变移植状态（上图）而未考虑时变移植状态（下图）时对斯坦福大学HT数据的分析。

在R中，可以使用Survival对象的开始/停止版本来解决，例如

fit <- coxph(Surv(time1, time2, status) ~ is.pregnant + other.covariates, data=mydata)

本文将对此进行更详细的讨论：http : //cran.r-project.org/web/packages/survival/vignettes/timedep.pdf

在这种情况下要当心不朽的时间偏差。您的怀孕组将不可避免地比未怀孕的组有更好的生存率，因为您死后无法怀孕（据我所知！）。