O survival
pacote R
parece focar em modelos de sobrevivência em tempo contínuo. Estou interessado em estimar uma versão no tempo discreta de um modelo de risco proporcional, o modelo complementar de log-log. Eu tenho um modelo de sobrevivência bastante simples, com simples censura à direita.
Eu sei que uma maneira de estimar esse modelo é criar um conjunto de dados que tenha uma linha separada para cada observação para cada período em que ele não esteja "morto". Em seguida, um glm
modelo com o cloglog
link pode ser usado.
Essa abordagem parece muito ineficiente na memória; de fato, provavelmente produziria um conjunto de dados muito grande para a memória da minha máquina.
Uma segunda abordagem seria codificar o MLE pessoalmente. Isso seria bastante simples, mas espero que exista um pacote que possua esse modelo de sobrevivência. Seria mais fácil para a colaboração e evitar erros de codificação para usar um pacote.
Alguém conhece esse pacote?
coxph(ties="exact")
, nosurvival
pacote padrão , faz do modelo "um modelo logístico condicional e é apropriado quando os tempos são um pequeno conjunto de valores discretos". Isso não funcionaria para você? Isso é b / c que não estaria usando ocloglog
link?cloglog
link, no entanto.Respostas:
Ter várias linhas para cada observação pode parecer redundante, mas, provavelmente, não é. Se houver covariáveis variáveis no tempo no modelo, cada mês de observação certamente precisará de sua própria linha. Um exemplo particular de uma covariável variável no tempo é o tempo decorrido. Como essa variável quase certamente deve ser incluída no modelo, faz sentido ter uma linha separada para cada período de observação. Assim, a primeira abordagem sugerida é provavelmente a melhor.
Observe que isso é diferente de um modelo de riscos proporcionais no tempo contínuo com uma distribuição Weibull. Lá, o modelo de sobrevivência pode ser simplificado para uma única linha para cada observação se o tempo decorrido for a única covariável variável no tempo (veja aqui , por exemplo). Um resultado semelhante é válido para o modelo de risco proporcional de Cox.
fonte