ফল্ট মডেলগুলি (আর কক্স্ফ ব্যবহার করে) থেকে পূর্বাভাস প্রাপ্ত বেঁচে থাকা কার্ভগুলি কীভাবে উত্পন্ন করা যায়?


13

দুর্বল শর্ত [বেঁচে থাকার প্যাকেজ ব্যবহার করে] সহ কক্স আনুপাতিক ঝুঁকিপূর্ণ মডেলের জন্য ভবিষ্যদ্বাণীিত বেঁচে থাকা ফাংশনটি গণনা করতে চাই। দেখা যাচ্ছে যে যখন দুর্বল শর্তাবলী মডেলটিতে থাকে, তখন ভবিষ্যদ্বাণী করা বেঁচে থাকা ফাংশনটি গণনা করা যায় না।

## 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

sparse=TRUE, Sparse =FALSE, sparse =0, sparse=5অপশনগুলি ব্যবহার করে আমি স্পারস এবং অ-স্পার্স উভয়ই গণনা পদ্ধতি ব্যবহার করার চেষ্টা করেছি । তবে কেউই কাজ করেননি।

আমি কীভাবে আমার দুর্বল মডেলের উপর ভিত্তি করে ভবিষ্যদ্বাণী করা বেঁচে থাকা বক্ররেখার গণনা করব?

উত্তর:


3

লিনিয়ার মিশ্র প্রভাবগুলির মডেল থেকে ফলাফলগুলি পূর্বাভাস দেওয়ার চেষ্টা করে এখানে সমস্যাটি একই রকম। যেহেতু বেঁচে থাকার কার্ভটি অ-সঙ্কলনীয়, তাই আপনার উদাহরণের প্রতিটি লিটারের সাথে আপনার মাপসই মডেল অনুসারে একটি লিটার-নির্দিষ্ট বেঁচে থাকার বাঁক রয়েছে has আপনি জানেন যে একটি খাঁটিটি এলোমেলোভাবে বিরতিযুক্ত যা সাধারণ প্রতিটি স্তরের লিখিত এবং প্রগনোস্টিক ভেরিয়েবলের স্থানীয় হিসাবে চিহ্নিত হয়, সম্ভবতঃ ভিস-à-ভিজ জেনেটিক বৈশিষ্ট্য। সুতরাং বিপদ অনুপাতের জন্য লিনিয়ার ভবিষ্যদ্বাণী হ'ল পর্যবেক্ষিত স্থির প্রভাব এবং এলোমেলো লিটারের প্রভাবগুলির মিশ্রণ। মিশ্র মডেলগুলির বিপরীতে, কক্স মডেল দণ্ডিত রিগ্রেশনের সাথে খাঁটি শর্তটি ফিট করে, লাগানো বস্তু শ্রেণীর coxph-penalএবং এর জন্য কোনও পদ্ধতি নেই survreg.coxph-penal, তাই লিনিয়ার ভবিষ্যদ্বাণী তৈরির প্রচেষ্টা ব্যর্থ হয়। একটি দম্পতি কাজ আছে।

  1. কেবল কেন্দ্রিক covariates সঙ্গে প্রান্তিক মডেল ফিট।

  2. কোভেরিয়েটগুলি কেন্দ্র করুন, 1 ফিট করুন, তারপরে র্যান্ডম এফেক্টস মডেলটি ফিট করুন এবং এলোমেলো প্রভাবগুলি coxmeএক্সট্রাক্ট করুন, প্রতিটি লিটারের স্ট্র্যাটাম নির্দিষ্ট বেঁচে থাকার বাঁক গণনা করার জন্য অফসেট সহ রৈখিক ভবিষ্যদ্বাণীতে যুক্ত করুন।

  3. পারফরম্যান্স 2 এবং সমস্ত বেঁচে থাকা কার্ভগুলি একসাথে গড়ে গড়ে মার্জিনালাইজ করুন, প্রান্তিক মডেলকে ফিট করার জন্য একটি পৃথক পদ্ধতি।

  4. প্রতিটি লিটারের জন্য বিভিন্ন বেঁচে থাকার কার্ভের পূর্বাভাস দেওয়ার জন্য প্রান্তিক কক্স মডেলটিতে স্থির প্রভাব বা স্তর ব্যবহার করুন।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.