Запитання з тегом «cox-model»

Як ви інтерпретуєте криву виживання з пропорційною моделлю небезпеки Кокса? У цьому прикладі іграшки, припустимо, ми маємо коксову пропорційну модель небезпеки для ageзмінної kidneyданих та генеруємо криву виживання. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Наприклад, на час 200200200, яке твердження вірно? або обидва помиляються? Заява 1: у …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Я хочу генерувати час виживання з пропорційною моделлю небезпеки Кокса, яка містить коефіцієнт, залежний від часу. Модель є h(t|Xi)=h0(t)exp(γXi+αmi(t))h(t|Xi)=h0(t)exp⁡(γXi+αmi(t))h(t|X_i) =h_0(t) \exp(\gamma X_i + \alpha m_{i}(t)) де породжується з двочлена (1,0.5) і .XiXiX_imi(t)=β0+β1Xi+β2Xitmi(t)=β0+β1Xi+β2Xitm_{i}(t)=\beta_0 + \beta_1 X_{i} + \beta_2 X_{i} t Справжні значення параметрів використовуються якγ=1.5,β0=0,β1=−1,β2=−1.5,h0(t)=1γ=1.5,β0=0,β1=−1,β2=−1.5,h0(t)=1\gamma = 1.5, \beta_0 = 0, \beta_1 …

9 r  survival  cox-model  time-varying-covariate 

Я намагаюся оцінити вплив 2 препаратів ( drug1, drug2) на ймовірність падіння пацієнта ( event). Пацієнти можуть впасти не один раз, і їх можна в будь-який момент надіти або зняти. Моє запитання полягає в тому, як слід структурувати дані щодо періоду часу (днів), зокрема, чи потрібно перетинатись між днями. Є …

9 r  survival  cox-model 

З огляду на часові витримки, які цензуровані в інтервалі, як я можу виконати інтервал цензурованої моделі Cox PH R? Пошук rseek виявляє пакет intcox, якого більше не існує у Rсховищі. Я майже впевнений, що coxphфункція в survivalпакеті не може обробляти дані про виживання в інтервалі. Крім того, я не хочу …

9 r  survival  cox-model  interval-censoring 

Припустимо, у мене є один зразок частоти 4 можливих подій: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 і я маю очікувані ймовірності моїх подій: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 За допомогою суми спостережуваних частот моїх чотирьох подій (18) …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Ось підсумок-висновок використовуваної нами Coxph-моделі (я використав R, а результат заснований на найкращій кінцевій моделі, тобто всі значущі пояснювальні змінні та їх взаємодії включені): coxph(formula = Y ~ LT + Food + Temp2 + LT:Food + LT:Temp2 + Food:Temp2 + LT:Food:Temp2) # Y<-Surv(Time,Status==1) n = 555 coef exp(coef) se(coef) z …

9 r  interaction  regression-coefficients  cox-model 

Чи є якісь методи виправлення упередженості в пропорційній моделі Кокса, пов'язані з випадковою вибіркою (щось на зразок виправлення Гекмана)? Передумови : Скажімо, ситуація виглядає так: - Протягом перших двох років всіх клієнтів приймають. - Після цих двох років будується модель Cox PH. Модель передбачає, як довго клієнти будуть користуватися нашою …

9 bias  cox-model 

Я створив власну трохи вдосконалену версію термплота, яку я використовую в цьому прикладі, ви можете знайти її тут . Я раніше розміщував повідомлення про SO, але чим більше я думаю про це, я вважаю, що це, ймовірно, більше пов'язане з інтерпретацією моделі небезпеки Кокса, ніж з фактичним кодуванням. Проблема Коли …

9 r  survival  cox-model