使用R中的生存包在cox比例风险模型中实现非线性关系

Question

我根据树木普查数据模拟树木死亡率.人们以不同的间隔外出,记录树木是否存在或死亡.我正在使用该coxph函数运行cox比例风险模型来分析树死亡概率作为几个预测变量的函数.代码如下:

 model <- coxph(S ~ x1 + x2 + x3, data = data)

然而,我的一个预测因子,树大小,实际上预计与死亡概率具有非线性关系.具体来说,树木在很小的时候死亡很多,死亡的概率随着它们到达"少年"阶段而下降并且是中等大小,然后随着树木变大和变大,死亡概率会逐渐增加.这在死亡概率和树大小之间创建了"逆J形"模式.它看起来像这样:

如何将这种非线性关系纳入coxph框架？如果无法做到这一点,我还能如何使用JAGS模型或其他方法分析R环境中的死亡概率？

Answer 1

尝试:

library(mgcv)
fit <- gam(S ~ s(x1, bs = 'cr', k = 10) + s(x2, bs= 'cr', k = 10) +
           s(x3, bs = 'cr', k = 10), family = cox.ph(), data = data)

您可以拟合添加剂Cox比例风险模型,其中所有项都是非线性样条.请参阅?cox.ph大量示例.

如果你还没有使用mgcv之前,你可能需要看?gam和?s为好.模型拟合后summary.gam(),gam.check()和predict.gam()你的朋友.