Я выполняю регрессию Кокса с зависимой от времени ковариатой.Я особенно заинтересован в расчете 95% доверительного интервала индекса соответствия.Однако стандартное резюме модели coxph возвращает только индекс соответствия и его стандартную ошибку.Есть ли возможность получить 95% -й КИ?
Спасибо!
library(survival)
temp <- subset(pbc, id <= 312, select=c(id:sex, stage))
pbc2 <- tmerge(temp, temp, id=id, death = event(time, status)) #set range
pbc2 <- tmerge(pbc2, pbcseq, id=id, ascites = tdc(day, ascites),
bili = tdc(day, bili), albumin = tdc(day, albumin),
protime = tdc(day, protime), alk.phos = tdc(day, alk.phos))
fit2 <- coxph(Surv(tstart, tstop, death==2) ~ log(bili) + log(protime), pbc2)
summary(fit2)
coxph(formula = Surv(tstart, tstop, death == 2) ~ log(bili) +
log(protime), data = pbc2)
n= 1807, number of events= 125
coef exp(coef) se(coef) z Pr(>|z|)
log(bili) 1.24121 3.45981 0.09697 12.800 <2e-16 ***
log(protime) 3.98340 53.69929 0.43589 9.139 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
exp(coef) exp(-coef) lower .95 upper .95
log(bili) 3.46 0.28903 2.861 4.184
log(protime) 53.70 0.01862 22.853 126.181
**Concordance= 0.886 (se = 0.029 )**
Rsquare= 0.168 (max possible= 0.508 )
Likelihood ratio test= 332.1 on 2 df, p=<2e-16
Wald test = 263.3 on 2 df, p=<2e-16
Score (logrank) test = 467.8 on 2 df, p=<2e-16
Имеет ли смысл использовать функцию проверки из пакета RMS, чтобы получить 95% -й КИ дляC-индекс с помощью начальной загрузки?Я придумал следующий код.Как вы думаете?Однако я не уверен, как правильно обрабатывать значения Dxy из тренировочных / тестовых колонн (мне кажется, что КИ из тренировок в порядке, тогда как КИ из тестовых колонн очень узок).
library(survival)
library(rms)
library(tidyboot)
temp <- subset(pbc, id <= 312, select=c(id:sex, stage))
pbc2 <- tmerge(temp, temp, id=id, death = event(time, status)) #set range
pbc2 <- tmerge(pbc2, pbcseq, id=id, ascites = tdc(day, ascites),
bili = tdc(day, bili), albumin = tdc(day, albumin),
protime = tdc(day, protime), alk.phos = tdc(day, alk.phos))
fit2 <- cph(Surv(tstart, tstop, death==2) ~ log(bili) + log(protime), pbc2, x=T, y=T, surv=T)
set.seed(1)
output <- capture.output(validate(fit2, method="boot", B=1000, dxy=T, pr =T))
head(output)
output <- as.matrix(output)
output_dxy <- as.matrix(output[grep('^Dxy', output[,1]),])
output_dxy <- gsub("(?<=[\\s])\\s*|^\\s+|\\s+$", "", output_dxy, perl=TRUE)
train <- abs(as.numeric(lapply(strsplit(output_dxy, split=" "), "[", 2))[1:1000])/2+0.5
test <- abs(as.numeric(lapply(strsplit(output_dxy, split=" "), "[", 3))[1:1000])/2+0.5
summary(train)
summary(test)
ci_lower(train, na.rm = FALSE)
ci_upper(train, na.rm = FALSE)
ci_lower(test, na.rm = FALSE)
ci_upper(test, na.rm = FALSE)