coxph 和 cph 函数之间生存概率估计的数值差异-解网

问：

我目前正在研究从 Cox 比例风险模型中获取生存概率。最初，我使用了 coxph 函数，但对于大数据，在预测数据中所有不同个体的所有时间点时，它被证明很慢。我尝试使用 rms 包中的 cph 函数，这显着提高了计算速度。但是，我注意到两种方法之间的预测概率略有不同。具体来说，在较小的时间点，差异最多约为小数点后 5 位，而在较高的时间点，它们最多可以达到小数点后 2 位。我将参数设置为相同，甚至获得了相似的系数估计值。

以下是这两个函数的代码：

从 coxph 函数：

S_t <- coxph（Surv（time = Y， event = d） ~ ns（age）+ns（psa）+tstage+deyo+gs+insurance+income+education+race， ties=“breslow”， data = data）

S_t_pred.obj <- survfit（S_t， stype=1， newdata=X， se.fit = FALSE）

S_t_pred.sum <- summary（S_t_pred.obj， times=Y， extend = TRUE）$surv

从 cph 函数：

S_t1 <- cph（Surv（time = Y， event = d） ~ ns（age）+ns（psa）+tstage+deyo+gs+insurance+income+education+race， method=“breslow”， data = data， surv=T）

S_t_pred.sum1 <- survest（S_t1， stype=1， times=Y， newdata=X， se.fit = FALSE， extend = TRUE）$surv

我将不胜感激任何关于为什么会发生这些差异的见解或指导。感谢您抽出宝贵时间接受采访。

R 生存分析 COX-回归生存 RMS

library(survival)
library(survminer)
# install.packages("rms")
library(rms, quietly = TRUE)

fit <- coxph(Surv(time, status) ~ age, data = lung, ties = "breslow")
fit$var
#>              [,1]
#> [1,] 8.460386e-05

fit2 <- cph(Surv(time, status) ~ age, data = lung, method = "breslow")
fit2$var
#>              age
#> age 8.460363e-05

fit3 <- cph(Surv(time, status) ~ age, data = lung, method = "breslow", singular.ok = TRUE, eps = 1e-6)
fit3$var
#>              age
#> age 8.460386e-05

^{创建于 2023-11-17，使用 reprex v2.0.2}

这适用于您的实际数据吗？

coxph 和 cph 函数之间生存概率估计的数值差异

Numerical Differences in Survival Probability Estimates between coxph and cph Functions

评论

评论