分层cox模型的拟合

Question

我有一个分层的考克斯模型，并希望预测的生存曲线，为特定的轮廓，基于该模型。

现在，因为我使用的是一个包含很多层的大型数据集，所以我只想对非常具体的阶层进行预测，以节省时间和内存。

survfit.coxph的帮助页声明：.如果新数据包含地层变量，则根据原始模型的指示层，每一行新数据将包含一条曲线。

当我运行下面的代码(其中的newdata确实包含层变量)时，我仍然可以得到对这两个层的预测，这与帮助页相矛盾。

df <- data.frame(X1 = runif(200),
             X2 = sample(c("A", "B"), 200, replace = TRUE),
             Ev = sample(c(0,1), 200, replace = TRUE),
             Time = rexp(200))

testfit <- coxph( Surv(Time, Ev) ~ X1 + strata(X2), df)

out <- survfit(testfit, newdata = data.frame(X1 = 0.6, X2 = "A"))

这里有什么我看不懂的东西吗？

Answer 1

我不确定这是一个bug还是survival:::survfit.coxph中的一个特性。看起来，代码中的预期行为是只返回被请求的地层。在职能方面：

• strata(X2)在包含newdata的环境中进行计算，结果将返回A。
• 然后创建完整的曲线。
• 然后，有一些逻辑split曲线进入地层，但只有当result$surv是一个矩阵。

在您的示例中，它不是矩阵。如果它不是一个bug，我就找不到任何关于它的预期使用的文档。也许值得给作者/维护人员写个便条。

maintainer("survival")
# [1] "Terry M Therneau <xxxxxxxx.xxxxx@xxxx.xxx>"

Answer 2

一些可能有帮助的评论：

• 我的例子不够大(我似乎读得不太好，但那是在我在这里提出问题之后)：如果相关github员额至少有两行(当然还有分层变量)，则只返回对所请求的地层的预测。
• 在survfit.coxph内部存在效率低下的问题，其中对原始数据集中的每个层计算基线危害，而不仅仅是针对请求的层(参见我对同一个github职位的贡献)。然而，这似乎并不是什么大问题(在拥有大约50万次观测、50%事件和1000个地层的数据集上进行测试)，所需时间不到一分钟。
• 问题是在计算过程中某个地方的内存分配(在上面的例子中，一旦我希望对100个观测结果进行预测--每个层有一个层)，事情就会崩溃，而对80的预测的最终输出只有几MB)。
• 我的工作-周旋：

- Select all observations you want predictions for
- use `lp <- predict(..., type='lp')` to get the linear predictor for all these observations
- use survfit only on the first observation: `survfit(fit, newdata = expand_grid(newdf, strat = strata_list))`
- Store the resulting survival estimates in a data.frame (or not, that's up to you)
- To calculate predicted survival for other observations, use the PH-assumption (see formula below). This invokes the overhead of `survfit.coxph` only once and if you focus on survival on only a few times (e.g. 5- and 10-year survival), you can reduce the computer time even more

​

​