如何从脆弱模型（使用R coxph）生成预测的幸存者曲线？

我想计算一个脆弱的考克斯比例风险模型的预测幸存者功能[使用生存包]。看起来当脆弱项在模型中时，无法计算预测的幸存者功能。

## Example 
require(survival)
data(rats)

## Create fake weight
set.seed(90989)
rats$weight<-runif(nrow(rats),0.2,0.9)

## Cox model with gamma frailty on litter
fit <- coxph(Surv(time, status) ~ rx+weight+frailty(litter,dist="gamma"),
data = rats) 

## Compute survival curve from the cox model for rx=0 and weight=0.5 kg
plot(survfit(fit, newdata=data.frame(rx=0,weight=0.5)),xlab = "time",
ylab="Survival") 

## Running this line, I get following error message:
Error in survfit.coxph(fit, newdata = data.frame(rx = 0, weight = 0.5)) : 
Newdata cannot be used when a model has sparse frailty terms

我尝试通过选项同时使用稀疏和非稀疏计算方法 sparse=TRUE, Sparse =FALSE, sparse =0, sparse=5。但是，没有一个有效。

如何根据我的脆弱模型计算预测的幸存者曲线？

这里的问题与尝试从线性混合效应模型预测结果时所获得的问题相同。由于生存曲线是不可折叠的，因此示例中的每个垫料都会根据您所适合的模型具有特定于垫料的生存曲线。您可能知道，虚弱与随机截取相同，随机截取表明每种垃圾普遍存在的混杂水平和预后变量，大概是针对遗传特征。因此，危险比的线性预测因子是观察到的固定效应和随机垫料效应的混合。与混合模型不同，Cox模型将脆弱项与惩罚性回归拟合，拟合的对象属于一类，coxph-penal并且没有用于的方法survreg.coxph-penal，因此创建线性预测变量的尝试失败。有几种解决方法。

1. 只用中心协变量拟合边际模型。

2. 将协变量居中，拟合1，然后使用拟合随机效应模型coxme并提取随机效应，将其添加到具有偏移量的线性预测变量中，以计算每个窝的特定地层生存曲线。

3. 执行2并通过将所有生存曲线平均在一起来边缘化它们，这是拟合边缘模型的单独方法。

4. 在边缘Cox模型中使用固定效应或分层来预测每个窝的不同生存曲线。