จะสร้างกราฟผู้รอดชีวิตที่คาดการณ์ไว้จากแบบจำลองที่อ่อนแอได้อย่างไร (โดยใช้ R coxph)

ฉันต้องการคำนวณฟังก์ชั่นผู้รอดชีวิตที่คาดการณ์ไว้สำหรับโมเดลอันตรายตามสัดส่วนของ Cox ด้วยเงื่อนไขที่อ่อนแอ [ใช้แพ็คเกจการอยู่รอด] ปรากฏว่าเมื่อเงื่อนไขที่อ่อนแออยู่ในแบบจำลองฟังก์ชันการรอดชีวิตที่คาดการณ์ไม่สามารถคำนวณได้

## Example 
require(survival)
data(rats)

## Create fake weight
set.seed(90989)
rats$weight<-runif(nrow(rats),0.2,0.9)

## Cox model with gamma frailty on litter
fit <- coxph(Surv(time, status) ~ rx+weight+frailty(litter,dist="gamma"),
data = rats) 

## Compute survival curve from the cox model for rx=0 and weight=0.5 kg
plot(survfit(fit, newdata=data.frame(rx=0,weight=0.5)),xlab = "time",
ylab="Survival") 

## Running this line, I get following error message:
Error in survfit.coxph(fit, newdata = data.frame(rx = 0, weight = 0.5)) : 
Newdata cannot be used when a model has sparse frailty terms

ฉันลองใช้วิธีการคำนวณทั้งแบบเบาบางและแบบไม่กระจายโดยใช้ sparse=TRUE, Sparse =FALSE, sparse =0, sparse=5ตัวเลือก อย่างไรก็ตามไม่มีใครทำงาน

ฉันจะคำนวณเส้นโค้งผู้รอดชีวิตที่คาดการณ์ได้จากแบบจำลองที่อ่อนแอของฉันได้อย่างไร

ปัญหาตรงนี้เหมือนกับที่จะพยายามทำนายผลลัพธ์จากตัวแบบเอฟเฟกต์แบบผสมเชิงเส้น เนื่องจากเส้นโค้งการอยู่รอดไม่สามารถยุบตัวได้ครอกในตัวอย่างของคุณแต่ละตัวจึงมีเส้นโค้งการอยู่รอดสำหรับครอกเฉพาะตามรุ่นที่คุณพอดี ความอ่อนแออย่างที่คุณอาจจะรู้คือเหมือนกับการสกัดกั้นแบบสุ่มที่บ่งบอกถึงระดับทั่วไปของตัวแปรรบกวนและการพยากรณ์โรคที่แพร่กระจายในแต่ละครอกซึ่งน่าจะเป็นลักษณะทางพันธุกรรมที่สัมพันธ์กัน ดังนั้นตัวทำนายเชิงเส้นสำหรับอัตราส่วนความเป็นอันตรายคือการผสมระหว่างผลกระทบคงที่ที่สังเกตและผลครอกแบบสุ่ม ซึ่งแตกต่างจากรุ่นผสมแบบจำลอง Cox เหมาะสมกับคำที่อ่อนแอด้วยการถดถอยที่ถูกลงโทษวัตถุที่ประกอบเป็นคลาสcoxph-penalและไม่มีวิธีการsurvreg.coxph-penalดังนั้นความพยายามในการสร้างตัวทำนายเชิงเส้นจึงล้มเหลว มีวิธีแก้ไขปัญหาสองสามอย่าง

1. เพียงวางโมเดลร่อแร่กับเพื่อนร่วมศูนย์ที่เป็นศูนย์กลาง

2. จัด covariates ให้อยู่ตรงกลางพอดี 1 จากนั้นใส่โมเดลเอฟเฟกต์แบบสุ่มโดยใช้coxmeและแยกเอฟเฟกต์แบบสุ่มเพิ่มลงในตัวทำนายเชิงเส้นด้วยออฟเซ็ต

3. ดำเนินการ 2 และทำให้เป็นชายขอบโดยเฉลี่ยโค้งการอยู่รอดทั้งหมดเข้าด้วยกันซึ่งเป็นแนวทางแยกต่างหากเพื่อปรับนางแบบชายขอบ

4. ใช้เอฟเฟกต์คงที่หรือชั้นในโมเดล Cox เพื่อทำนายเส้นโค้งการอยู่รอดที่แตกต่างกันสำหรับแต่ละครอก