Дискретні моделі небезпеки за часом (засмічення) в R


10

survivalПакет в Rз'являєшся , щоб зосередитися на безперервні моделях виживання часу. Мені цікаво оцінити дискретний часовий варіант пропорційної моделі небезпеки, доповнюючої моделі журналу журналів. У мене досить проста модель виживання з простою правильною цензурою.

Я знаю, що одним із способів оцінити цю модель є створення набору даних, який має окремий рядок для кожного спостереження за кожен період, у якому він не є "мертвим". Потім можна використовувати glmмодель із cloglogпосиланням.

Такий підхід видається дуже неефективним у пам’яті; дійсно, це, ймовірно, створить набір даних, який занадто великий для пам'яті на моїй машині.

Другим підходом було б самому кодувати MLE. Це було б досить просто, але я сподіваюся, що є пакет, в якому ця модель виживання консервується. Просто було б простіше співпрацювати і уникати помилок кодування для використання пакету.

Хтось знає про такий пакет?


2
Якщо це дискретний час, у вас повинно бути багато зв’язків, правда? Я маю враження, що coxph(ties="exact")в стандартному survivalпакеті модель робить "умовною логістичною моделлю і доречною, коли часи є невеликим набором дискретних значень". Це не допоможе вам? Це б / с, воно не використовувало б cloglogпосилання?
gung - Відновити Моніку

1
@gung, Дякую за вказівник; Я не знав про цю особливість. Я хотів би скористатися cloglogпосиланням.
Чарлі

Відповіді:


8

Маючи кілька рядків для кожного спостереження може здатися зайвим, але, швидше за все, це не так. Якщо в моделі є коваріати, що змінюються часом, то кожен місяць спостереження, безумовно, потребує свого ряду. Одним із прикладів коваріату, що змінюється за часом, є час, що минув. Оскільки ця змінна майже напевно повинна бути включена в модель, має сенс мати окремий рядок для кожного періоду спостереження. Таким чином, перший запропонований підхід, ймовірно, найкращий.

Зауважте, що це відрізняється від моделі безперервної пропорційної часу небезпеки з розподілом Вейбулла. Там модель виживання може бути спрощена до однієї лінії для кожного спостереження, якщо минулий час є єдиним коваріатом, що змінюється часом (див. Тут , наприклад). Аналогічний результат стосується моделі пропорційної небезпеки Кокса.

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.