survival
Пакет вR
появляешься , чтобы сосредоточиться на непрерывные моделях выживания времени. Я заинтересован в оценке версии пропорциональной модели риска с дискретным временем, дополнительной модели log-log. У меня довольно простая модель выживания с простой правильной цензурой.
Я знаю, что одним из способов оценки этой модели является создание набора данных, который имеет отдельную строку для каждого наблюдения для каждого периода, в котором он не является «мертвым». Затем glm
модель сcloglog
ссылкой.
Этот подход кажется очень неэффективным для памяти; действительно, он, скорее всего, произведет набор данных, который слишком велик для памяти на моей машине.
Второй подход заключается в том, чтобы самому кодировать MLE. Это было бы достаточно просто, но я надеюсь, что есть пакет, в котором есть эта модель выживания. Было бы проще для совместной работы и избежать ошибок кодирования при использовании пакета.
Кто-нибудь знает такой пакет?
coxph(ties="exact")
в стандартномsurvival
пакете модель делает модель "условной логистической моделью, и она подходит, когда времена представляют собой небольшой набор дискретных значений". Разве это не сработает для вас? Это б / с, это не будет использоватьcloglog
ссылку?cloglog
ссылку, хотя.Ответы:
Наличие нескольких строк для каждого наблюдения может показаться излишним, но, скорее всего, это не так. Если в модели есть какие-то изменяющиеся во времени ковариаты, то каждый месяц наблюдения, безусловно, будет нуждаться в отдельной строке. Одним конкретным примером изменяющейся во времени ковариаты является прошедшее время. Поскольку эта переменная почти наверняка должна быть включена в модель, имеет смысл иметь отдельную строку для каждого периода наблюдения. Таким образом, первый предложенный подход, вероятно, является лучшим.
Обратите внимание, что это отличается от модели рисков с непрерывным пропорциональным временем и распределением Вейбулла. Там модель выживания может быть упрощена до одной строки для каждого наблюдения, если прошедшее время является единственным изменяющимся во времени ковариатом (см. Здесь , например). Аналогичный результат имеет место для модели пропорциональной опасности Кокса.
источник