Я делаю многомерную регрессию Кокса, у меня есть значимые независимые переменные и бета-значения. Модель очень хорошо вписывается в мои данные.
Теперь я хотел бы использовать мою модель и прогнозировать выживание нового наблюдения. Мне неясно, как это сделать с моделью Кокса. В линейной или логистической регрессии было бы легко, просто поместите значения нового наблюдения в регрессию и умножьте их на бета-версии, и поэтому у меня есть прогноз моего результата.
Как я могу определить мою базовую опасность? Мне это нужно в дополнение к вычислению прогноза.
Как это делается в модели Кокса?
validate
Функция в Rrms
пакет в сочетании сcph
функцией будет делать. Единственный пошаговый алгоритм, реализованный в,validate
- это обратное понижение.Функция
predictSurvProb
вpec
пакете может дать вам оценки абсолютного риска для новых данных на основе существующей модели Кокса, если вы используете R.Математические детали я не могу объяснить.
РЕДАКТИРОВАТЬ: функция обеспечивает вероятности выживания, которые я принял за 1- (вероятность события).
РЕДАКТИРОВАТЬ 2:
Можно обойтись без пакета pec. Используя только пакет выживания, следующая функция возвращает абсолютный риск на основе модели Кокса
источник
muhaz
пакеты в R).S(t)=exp(−Λ(t))
гдеΛ(t)
накопленная опасность.Может быть, вы хотели бы попробовать что-то подобное? Установите модель пропорциональных рисков Кокса и используйте ее, чтобы получить предсказанную кривую выживания для нового экземпляра.
Взято из файла справки для файлаfitfit.coxph в R (я только что добавил часть строк)
Однако следует помнить, что для того, чтобы предположение о пропорциональных опасностях все еще сохранялось для вашего прогноза, пациент, для которого вы прогнозируете, должен быть из группы, которая качественно совпадает с группой, использованной для получения модели пропорциональных рисков Кокса, которую вы использовали для прогнозирование.
источник
basehaz
Функцияsurvival
пакетов обеспечивает базовый риск в моменты времени событий. Исходя из этого, вы можете продвигаться вверх по математике, которую предоставляет ocram, и включать OR своих оценок coxph.источник
Весь смысл модели Кокса заключается в предположении о пропорциональной опасности и использовании частичной вероятности. Частичное правдоподобие исключает базовую функцию опасности. Таким образом, вам не нужно указывать один. В этом вся прелесть!
источник
rms
.