Модель Кокса с пропорциональным риском

Question

Я хочу проверить взаимодействие (для модели пропорциональной опасности Кокса) между типом трансплантата и типом заболевания с использованием основных эффектов и терминов взаимодействия в исследовании по пересадке костного мозга в Университете штата Огайо.

Вот используемый код для данных:

time_Allo_NHL<- c(28,32,49,84,357,933,1078,1183,1560,2114,2144)
censor_Allo_NHL<- c(rep(1,5), rep(0,6))
df_Allo_NHL <- data.frame(group = "Allo NHL", 
                          time = time_Allo_NHL,
                          censor = censor_Allo_NHL,
                          Z1 = c(90,30,40,60,70,90,100,90,80,80,90),
                          Z2 = c(24,7,8,10,42,9,16,16,20,27,5))

time_Auto_NHL<- c(42,53,57,63,81,140,176,210,252,476,524,1037)
censor_Auto_NHL<- c(rep(1,7), rep(0,1), rep(1,1), rep(0,1), rep(1,1), rep(0,1))
df_Auto_NHL <- data.frame(group = "Auto NHL", 
                          time = time_Auto_NHL, 
                          censor = censor_Auto_NHL,
                          Z1 = c(80,90,30,60,50,100,80,90,90,90,90,90),
                          Z2 = c(19,17,9,13,12,11,38,16,21,24,39,84))

time_Allo_HOD<- c(2,4,72,77,79)
censor_Allo_HOD<- c(rep(1,5))
df_Allo_HOD <- data.frame(group = "Allo HOD", 
                          time = time_Allo_HOD, 
                          censor = censor_Allo_HOD,
                          Z1 = c(20,50,80,60,70),
                          Z2 = c(34,28,59,102,71))

time_Auto_HOD<- c(30,36,41,52,62,108,132,180,307,406,446,484,748,1290,1345)
censor_Auto_HOD<- c(rep(1,7), rep(0,8))
df_Auto_HOD <- data.frame(group = "Auto HOD", 
                          time = time_Auto_HOD, 
                          censor = censor_Auto_HOD,
                          Z1 = c(90,80,70,60,90,70,60,100,100,100,100,90,90,90,80),
                          Z2 = c(73,61,34,18,40,65,17,61,24,48,52,84,171,20,98))

myData <- Reduce(rbind, list(df_Allo_NHL, df_Auto_NHL, df_Allo_HOD, df_Auto_HOD))

Вот код для взаимодействия, но я не уверен, что он должен быть написан здесь (myData $ (здесь?) из следующего кода, чтобы иметь возможность запустить его.

n<-length(myData$time)
n

for (i in 1:n){
  if (myData$(here?)[i]==2)
    myData$W1[i] <-1
  else myData$W1[i]<-0
}

for (i in 1:n){
  if (myData$(here?)[i]==2)
    myData$W2[i] <-1
  else myData$W2[i]<-0
}

myData

Coxfit.W<-coxph(Surv(time,censor)~W1+W2+W1*W2, data = myData)
summary(Coxfit.W)

Answer 1

Простой способ - разделить переменные четырех групп с помощью функции separate из пакета tidyr .

library(tidyr)

myData <- separate(myData, col=group, into=c("disease","transpl"))
head(myData)
  disease transpl time censor Z1 Z2
1    Allo     NHL   28      1 90 24
2    Allo     NHL   32      1 30  7
3    Allo     NHL   49      1 40  8
4    Allo     NHL   84      1 60 10
5    Allo     NHL  357      1 70 42
6    Allo     NHL  933      0 90  9

Затем вы можете поместить эти две новые переменные (disease и transpl) в модель Кокса с термином взаимодействия.

Coxfit.W<-coxph(Surv(time,censor)~transpl*disease, data = myData)
summary(Coxfit.W)

Call:
coxph(formula = Surv(time, censor) ~ transpl * disease, data = myData)

  n= 43, number of events= 26 

                          coef exp(coef) se(coef)      z Pr(>|z|)   
transplNHL             -1.8212    0.1618   0.6747 -2.699  0.00695 **
diseaseAuto            -1.6628    0.1896   0.6188 -2.687  0.00721 **
transplNHL:diseaseAuto  2.3050   10.0244   0.8494  2.714  0.00665 **

                       exp(coef) exp(-coef) lower .95 upper .95
transplNHL                0.1618    6.17946   0.04312    0.6073
diseaseAuto               0.1896    5.27387   0.05638    0.6377
transplNHL:diseaseAuto   10.0244    0.09976   1.89700   52.9720