У меня есть два вопроса для калибровки с помощью функции cph. Мои данные имеют 5 независимых переменных (от BMI до RT) и 2 зависимых переменных (время, событие).
> head(data)
BMI Taxanes Surgery LND RT Event Time
1 19 0 0 2 5 0 98
2 20 0 0 3 3 0 97
3 21 0 0 8 2 0 17
4 18 0 0 1 3 0 35
5 20 1 0 3 1 0 27
6 20 1 0 2 3 1 2
> str(data)
$ BMI : num 19 20 21 18 20 20 20 ...
$ Taxanes: int 0 0 0 0 1 1 1 0 0 0 ...
$ Surgery: num 0 0 0 0 0 0 1 0 0 0 ...
$ LND : int 2 3 8 1 3 2 2 2 5 2 ...
$ RT : Factor w/ 7 levels "0","1","2","3",..: 5 3 2 3 1 3 ...
$ Event : int 0 0 0 0 0 1 0 0 0 0 ...
$ Time : num 98 97 17 35 27 2 22 ...
(1) С этими данными я провел анализ выживания с помощью модели cph. И я хочу сделать калибровочный график, используя эти данные. Но я получил ошибку, которая "Ошибка в x (x): аргумент" y "отсутствует, по умолчанию нет" . Я находил много материала. Но я не знаю причину этой ошибки. Даже если я нашел функцию калибровки в сети, но я не могу найти для элемента «у». пожалуйста, помогите мне в этом вопросе.
> ddist <- datadist(data)
> options(datadist='ddist')
>
> fit = cph(Surv(Time,Event) ~ BMI + Surgery + Taxanes + RT + LND, data=data, x=TRUE, y=TRUE, surv=TRUE, dxy=TRUE, time.inc=36)
> plot(calibrate(fit))
Using Cox survival estimates at 36 Days
**Error in x(x) : argument "y" is missing, with no default**
(2) В конце концов я хочу провести внешнюю проверку для этой модели cph (подходит). Если новое имя данных имеет вид dat2 (который имеет ту же самую переменную с данными), то какова наблюдаемая и прогнозируемая выживаемость? Я знаю, что прогнозируемое значение рассчитывается следующим образом:
val<-val.surv(fit, newdata=dat2, S=Surv(dat2$Time,dat2$Event))
Но как мне получить фактическое (наблюдаемое) выживание в новых данных (dat2)? Пожалуйста, помогите для этой проблемы. Заранее большое спасибо!