我使用 coxme 包安装了混合效果 cox 模型。该模型包括一个两级变量作为固定效应和随机截距。
我想仅根据固定效应预测分类变量每个级别随时间变化的生存概率和 95% 置信区间(类似于 Predict.merMod 中的 re.form=NA)。
当在生存包中使用predict.coxph没有随机效应时,构建预测很简单,但predict.coxme不提供标准差并且尚不支持新数据集。
如何根据 coxme 模型(仅使用新数据集和固定效应)计算预测的幸存者曲线和 95%CI?
使用生存包中的肺部数据集的示例代码:
library(survival)
library(coxme)
# format data
df <- na.omit(lung[, c("inst", "time", "status","sex")])
df$sex <- factor(df$sex)
# fit model
cme <- coxme(Surv(time, status) ~ sex + (1|inst), data = df)
summary(cme)
# build dummy dataset
pred_data = data.frame(sex=unique(lung$sex))
# get predicted values and se (does not work)
pred <- predict(cme, newdata, type= "lp", se.fit =T)
相关问题及解答
这里的代码似乎接近所需的内容,但我无法对其进行调整以获得新数据集的预测值和 95% CI,并且仅使用固定效果:R coxme:如何获得特定于研究的治疗效果和混合效应模型的 95% 置信区间?
这个问题也类似:为混合效应 cox 回归和/或时间交互绘制调整后的生存曲线?但是当我用脆弱的 coxph 模型拟合原始数据集时存在收敛问题,我想知道是否有一种方法可以获得 coxme 模型的预测生存概率和置信带。
你可以尝试
ehahelper::predict_coxme
。
> # remotes::install_github('junkka/ehahelper') ## install package
> ehahelper::predict_coxme(cme, pred_data, se.fit=TRUE)
$fit
1 2
-0.3191101 -0.8478545
$se.fit
[1] 0.1010445 0.2684685