Как включить взаимодействие между ковариатой и временем для модели непропорциональных рисков?
Я часто нахожу, что допущение пропорциональных рисков для регрессий Кокса не выполняется.
Возьмем следующие данные в качестве примера.
> head(data2)
no np_p age_dx1 race1 mr_dx er_1 pr_1 sct_1 surv_mo km_stts1
1 20 1 2 4 1 2 2 4 52 1
2 33 1 3 1 2 1 2 1 11 1
3 67 1 2 4 4 1 1 3 20 1
4 90 1 3 1 3 3 3 2 11 1
5 143 1 2 4 3 1 1 2 123 0
6 180 1 3 1 3 1 1 2 9 1
Сначала я установил модель регрессии Кокса.
> fit2 <- coxph(Surv(surv_mo, km_stts1) ~ np_p + age_dx1 + race1 + mr_dx + er_1 + pr_1 + sct_1, data = data)
Во-вторых, я оценил предположение о пропорциональной опасности.
> check_PH2 <- cox.zph(fit2, transform = "km")
> check_PH2
rho chisq p
np_p 0.00946 0.0748 7.84e-01
age_dx1 -0.00889 0.0640 8.00e-01
race1 -0.03148 0.7827 3.76e-01
mr_dx -0.03120 0.7607 3.83e-01
er_1 -0.14741 18.5972 1.61e-05
pr_1 0.05906 2.9330 8.68e-02
sct_1 0.17651 23.8030 1.07e-06
GLOBAL NA 53.2844 3.26e-09
Итак, это означает, что функции опасности er_1 и sct_1 были непропорциональны с течением времени (верно?).
В моемПо моему мнению, я могу включить взаимодействие между этими двумя ковариатами и временем по отдельности в модель.Но я не знаю, как это сделать, используя R.
Спасибо.