cox回归不满足比例分线模型，怎样应用 R语言去实现依时变量再做cox回归

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

library("survival")
fit <- coxph(Surv(time, status) ~ sex + age, data = lung)#做cox回归#
ftest <- cox.zph(fit)
假设检验结果sex或者age的p值小于0.05，应该怎样建立依时变量，非常感谢！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Cox R语言 Survival Library BRARY 生存分析Cox回归

自己先顶一下，目前硕士在读，请不吝赐教。

Arkxiao 发表于 2019-3-9 20:53
自己先顶一下，目前硕士在读，请不吝赐教。

你是用什么检验来检验parallel trend的？最简单的办法是在回归模型中假如time*variable。

caimiao0714 发表于 2019-3-16 05:47
你是用什么检验来检验parallel trend的？最简单的办法是在回归模型中假如time*variable。

library("survival")
fit <- coxph(Surv(time, status) ~ sex + age, data = lung)#做cox回归#
fit#输出cox回归结果#
ftest <- cox.zph(fit)#验证proportional hazards assumption#
ftest#结果大于0.05算是符合,说明每个变量均满足PH检验，而模型的整体检验P值0.266，模型整体满足PH检验。#
library("survminer")
ggcoxzph(ftest)#图形验证,Schoenfeld残差图。实线是拟合的样条平滑曲线，虚线表示拟合曲线上下2个单位的标准差。如果曲线偏离2个单位的标准差则表示不满足比例风险假定#
ggcoxdiagnostics(fit, type = "deviance",
                 ox.scale = "linear.predictions")#Deviance残差图用来寻找异常值#残差值均匀的分布在0上下，表明满足上述假定。
ggcoxdiagnostics(fit, type = "dfbeta",ggtheme = theme_bw())#同上也不太懂#可以通过此方法找异常值，分别对因素进行做图#

caimiao0714 发表于 2019-3-16 05:47
你是用什么检验来检验parallel trend的？最简单的办法是在回归模型中假如time*variable。

您说的在回归米欧兴中加入 time*variable, 具体应该怎么去写代码呢？
在本例中是用
fit <- coxph(Surv(time, status) ~ sex + age*time, data = lung)
这样去写吗？

Arkxiao 发表于 2019-3-17 11:57
您说的在回归米欧兴中加入 time*variable, 具体应该怎么去写代码呢？
在本例中是用
fit

如果age是你那个不符合PH假设的变量的话，应该是：

fit <- coxph(Surv(time, status) ~ sex + age + age*time, data = lung)

caimiao0714 发表于 2019-3-19 02:06
如果age是你那个不符合PH假设的变量的话，应该是：

fit

非常感谢您的回复

caimiao0714 发表于 2019-3-19 02:06
如果age是你那个不符合PH假设的变量的话，应该是：

fit

我在R中跑了下程序，但发现结果中怎么还多出了单独的时间，结果解释只解释依时协变量的结果，就不解释原变量的了是吗？

另外我看别的程序还有用tt的，请问这里为啥不用呢？谢谢！

wennyqiliya 发表于 2019-11-14 00:31
我在R中跑了下程序，但发现结果中怎么还多出了单独的时间，结果解释只解释依时协变量的结果，就不解释原变 ...

你的模型变成了time-dependent，在每个时间点上的hr都不一样，可以选取一些代表性的时间报告，比如说中位数时间等。

不清楚你说的tt是什么。

谢谢您的回复，虽然模型变成了time-dependent，但我的结果中只有一个时间点的hr，且原变量和时依变量hr的方向不一样，所以不知结果解释只解释依时协变量的结果，就不解释原变量的了，还是综合解释？

tt是fit time transform model 时添加的参数