如何使用估计的系数和基线风险预测 R 中 cox 模型的生存概率答案

【问题标题】：How to predict survival probabilities of cox model in R using the estimated coefficients and baseline hazard如何使用估计的系数和基线风险预测 R 中 cox 模型的生存概率
【发布时间】：2022-11-10 19:18:40
【问题描述】：

我建立了一个带有时变协变量的 coxph 模型

fit = coxph(Surv(time_mnth_1, time_mnth_2, default)~cust_score+bur_score+dep_score+MOB +Real_GDP_growth + Real_disposable_income_growth + Unemployment_rate + CPI_inflation_rate + Mortgage_rate + Market_Volatility_Index, data=data, cluster = APP_NUMBER)

以下是cox模型的系数

现在对于一个新数据，我正在使用 survfit 函数进行生存概率预测，如下所示

res = survfit(fit, newdata=oot_data[oot_data$APP_NUMBER==667259,], id=APP_NUMBER)
summary(res)

我得到以下输出

现在我想通过使用 beta 系数和基线风险函数手动计算来获得生存概率输出

bh=basehaz(fit,centered=FALSE)

我得到了一个从时间 t=3 到 t=41 的时间序列（没有得到 t=1&t=2，此时我使用上面的 survfit 获得了生存概率预测。经过更多检查后，我意识到我的数据集中 time_mnth_2 列的最小值是3也许这就是为什么..反正..）

使用上述基线危险时间序列，我使用以下公式计算了生存概率（oot_data 是新数据集）

LP <- fit$coef["cust_score"]*oot_data$cust_score+
    fit$coef["bur_score"]*oot_data$bur_score+
    fit$coef["dep_score"]*oot_data$dep_score+
    fit$coef["Real_GDP_growth"]*oot_data$Real_GDP_growth+
    fit$coef["Real_disposable_income_growth"]*oot_data$Real_disposable_income_growth+
    fit$coef["Unemployment_rate"]*oot_data$Unemployment_rate+
    fit$coef["CPI_inflation_rate"]*oot_data$CPI_inflation_rate+
    fit$coef["Mortgage_rate"]*oot_data$Mortgage_rate+
    fit$coef["Market_Volatility_Index"]*oot_data$Market_Volatility_Index+
    fit$coef["MOB"]*oot_data$MOB

我得到 LP（对我的 oot_data 中存在的每个时间间隔（t1，t2）的线性预测（即每一行）我假设计算的 LP 从时间 (t1,t2] 开始有效

survival probability (t) = exp(-bh(t)*exp(LP)

这样我计算每次 t 的生存概率（从 3 开始，因为我的基线危险从 t=3 开始）

但是计算出的概率与我通过计算得到的不匹配。（奇怪的是，时间 1,2,3 的 survfit 预测与我的预测 3,4,5 匹配，但之后它根本不匹配）

有人可以帮助我做错了什么。

【问题讨论】：

Terry Therneau 说，计算时变模型的预测涉及太多无法检验的假设，因此他选择不提供方法。这对我来说已经足够了。 Therneau 是一位生存分析之神。

标签： r analysis survival cox

【解决方案1】：

你是怎么计算的？由于 TVCM 在处理测量误差方面存在问题，并且它假设离散时间点之间的时变协变量是恒定的（LVCF 方法），因此偏差是不可避免的。

【讨论】：