绘制来自coxph对象的估计HR与时间相关系数和样条曲线

Question

我想在coxph具有基于样条项的时间相关系数的模型的情况下将估计的风险比绘制为时间的函数.我使用函数创建了时间相关系数tt,类似于此示例直接来自?coxph:

# Fit a time transform model using current age
cox = coxph(Surv(time, status) ~ ph.ecog + tt(age), data=lung,
     tt=function(x,t,...) pspline(x + t/365.25))

调用会survfit(cox)导致错误,该错误survfit无法理解带有tt术语的模型(如Terry Therneau在2011年所述).

您可以使用提取线性预测器cox$linear.predictors,但我需要以某种方式提取年龄,而不是简单地提取每个时间.因为tt在事件时间拆分数据集,所以我不能只将输入数据帧的列与coxph输出匹配.另外,我真的想绘制估计函数本身,而不仅仅是观察数据点的预测.

这里有一个涉及样条的相关问题,但它不涉及tt.

编辑(7/7)

我仍然坚持这个.我一直在深入研究这个对象:

spline.obj = pspline(lung$age)
str(spline.obj)

# something that looks very useful, but I am not sure what it is
# cbase appears to be the cardinal knots
attr(spline.obj, "printfun")

function (coef, var, var2, df, history, cbase = c(43.3, 47.6, 
51.9, 56.2, 60.5, 64.8, 69.1, 73.4, 77.7, 82, 86.3, 90.6)) 
{
    test1 <- coxph.wtest(var, coef)$test
    xmat <- cbind(1, cbase)
    xsig <- coxph.wtest(var, xmat)$solve
    cmat <- coxph.wtest(t(xmat) %*% xsig, t(xsig))$solve[2, ]
    linear <- sum(cmat * coef)
    lvar1 <- c(cmat %*% var %*% cmat)
    lvar2 <- c(cmat %*% var2 %*% cmat)
    test2 <- linear^2/lvar1
    cmat <- rbind(c(linear, sqrt(lvar1), sqrt(lvar2), test2, 
        1, 1 - pchisq(test2, 1)), c(NA, NA, NA, test1 - test2, 
        df - 1, 1 - pchisq(test1 - test2, max(0.5, df - 1))))
    dimnames(cmat) <- list(c("linear", "nonlin"), NULL)
    nn <- nrow(history$thetas)
    if (length(nn)) 
        theta <- history$thetas[nn, 1]
    else theta <- history$theta
    list(coef = cmat, history = paste("Theta=", format(theta)))
}

所以,我有结,但我仍然不确定如何将coxph系数与结相结合,以实际绘制函数.任何领导都非常感激.

Answer 1

我认为可以通过使用生成输入矩阵pspline并将其乘以coxph输出中的相关系数来生成您需要的内容。要获得 HR，您需要取指数。

IE

output <- data.frame(Age = seq(min(lung$age) + min(lung$time) / 365.25,
                               max(lung$age + lung$time / 365.25),
                               0.01))
output$HR <- exp(pspline(output$Age) %*% cox$coefficients[-1] -
                 sum(cox$means[-1] * cox$coefficients[-1]))
library("ggplot2")
ggplot(output, aes(x = Age, y = HR)) + geom_line()

注意这里的年龄是感兴趣时间的年龄（即基线年龄和自研究开始以来经过的时间的总和）。它必须使用指定的范围来匹配原始模型中的参数。也可以使用 using 的x输出进行计算x = TRUE，如下所示：

cox <- coxph(Surv(time, status) ~ ph.ecog + tt(age), data=lung,
             tt=function(x,t,...) pspline(x + t/365.25), x = TRUE)
index <- as.numeric(unlist(lapply(strsplit(rownames(cox$x), "\\."), "[", 1)))
ages <- lung$age[index]
output2 <- data.frame(Age = ages + cox$y[, 1] / 365.25,
                      HR = exp(cox$x[, -1] %*% cox$coefficients[-1] -
                               sum(cox$means[-1] * cox$coefficients[-1])))