Como gerar curvas de sobrevivência previstas a partir de modelos de fragilidade (usando R coxph)?

12

Eu quero calcular a função de sobrevivência prevista para um modelo de riscos proporcionais de Cox com termos de fragilidade [usando o pacote de sobrevivência]. Parece que quando termos de fragilidade estão no modelo, a função de sobrevivência prevista não pode ser calculada.

## 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

Tentei usar métodos de computação esparsos e não esparsos usando sparse=TRUE, Sparse =FALSE, sparse =0, sparse=5opções. No entanto, nenhum funcionou.

Como computo a curva de sobrevivência prevista com base no meu modelo de fragilidade?

ledzep
fonte

Respostas:

2

O problema aqui é o mesmo que seria obtido tentando prever resultados de um modelo linear de efeitos mistos. Como a curva de sobrevivência não é dobrável, cada ninhada no seu exemplo tem uma curva de sobrevivência específica da ninhada, de acordo com o modelo que você se encaixa. Uma fragilidade como você deve saber é o mesmo que uma interceptação aleatória, indicando níveis comuns de variáveis ​​de confusão e prognósticas endêmicas para cada ninhada, presumivelmente em relação às características genéticas. Portanto, o preditor linear para a taxa de risco é uma mistura dos efeitos fixos observados e dos efeitos aleatórios da ninhada. Ao contrário dos modelos mistos, o modelo de Cox se encaixa no termo de fragilidade com regressão penalizada, o objeto ajustado é de classe coxph-penale não há método para survreg.coxph-penal, portanto, as tentativas de criar o preditor linear falham. Existem algumas soluções alternativas.

  1. Apenas ajuste o modelo marginal com covariáveis ​​centralizadas.

  2. Centralize as covariáveis, ajuste 1, depois ajuste o modelo de efeitos aleatórios usando coxmee extraia os efeitos aleatórios, adicione-os ao preditor linear com um deslocamento para calcular a curva de sobrevivência específica do estrato para cada ninhada.

  3. Execute 2 e marginalize-os calculando a média de todas as curvas de sobrevivência juntas, uma abordagem separada para ajustar o modelo marginal.

  4. Use efeitos ou estratos fixos em um modelo marginal de Cox para prever diferentes curvas de sobrevivência para cada ninhada.

AdamO
fonte