美文网首页R语言做生信机器学习
R语言机器学习与临床预测模型19--生存分析之Fine-Gray

R语言机器学习与临床预测模型19--生存分析之Fine-Gray

作者: 科研私家菜 | 来源:发表于2021-10-27 17:01 被阅读0次

    本内容为【科研私家菜】R语言机器学习与临床预测模型系列课程

    R小盐准备介绍R语言机器学习与预测模型的学习笔记

    你想要的R语言学习资料都在这里, 快来收藏关注【科研私家菜】


    R语言机器学习与临床预测模型19--生存分析之Fine-Gray检验

    01 Fine-Gray检验

    存在竞争风险的情况下,Kaplan-Meier的方法是不准确的,因为我们不能假定如果随访时间足够长,受试者将会发生感兴趣的事件。累积发生率(CIF)是给定事件发生的子分布,被广泛应用于竞争风险分析。 Fine和Gray(1999)提出的分布的比例风险模型旨在拟合感兴趣事件的累积发生率。关于Fine & Gray 模型,可以参考文献:“A Proportional Hazards Model for the Subdistribution of a Competing Risk. Jason P. Fine and Robert J. Gray,Journal of the American Statistical AssociationVol. 94, No. 446 (Jun., 1999), pp. 496-509”.

    在分析某事件发生时间时,如果该事件被其他事件阻碍,即存在竞争风险。
    使用R的cmprsk程辑包进项Fine-Gray检验与竞争风险模型。笔者认为读者在具体应用过程中要注意两点:

    第一,有选择性的使用Fine-Gray检验与竞争风险模型,如果终点事件存在竞争风险事件,而且极有可能对结论产生影响,那采用这个模型才是合适的,这个模型并非一定比Cox模型更优,这两个模型应该互为补充;

    第二,竞争风险考虑的竞争风险事件也是有限的,目前仅是把Cox模型的二分类终点扩展为三分类,即结局事件,删失和竞争风险事件,即便如此,结果解读也变得很困难。读者在方法选择的时候应该做出更充分的评估和尝试。

    # Examples
    # simulated data to test 
    set.seed(10)
    ftime <- rexp(200)
    fstatus <- sample(0:2,200,replace=TRUE)
    cov <- matrix(runif(600),nrow=200)
    dimnames(cov)[[2]] <- c('x1','x2','x3')
    print(z <- crr(ftime,fstatus,cov))
    summary(z)
    z.p <- predict(z,rbind(c(.1,.5,.8),c(.1,.5,.2)))
    plot(z.p,lty=1,color=2:3)
    crr(ftime,fstatus,cov,failcode=2)
    # quadratic in time for first cov
    crr(ftime,fstatus,cov,cbind(cov[,1],cov[,1]),function(Uft) cbind(Uft,Uft^2))
    #additional examples in test.R
    
    crr Package

    02 模型评估

    library(aod)
    wt <- wald.test(mod1$var,mod1$coef,Terms = 4:6)
    # Wald test:
    #   ----------
    #   
    #   Chi-squared test:
    #   X2 = 14.0, df = 3, P(> X2) = 0.0029
    
    wald.test
    Examples
      data(orob2)
      fm <- quasibin(cbind(y, n - y) ~ seed * root, data = orob2)
      # Wald test for the effect of root
      wald.test(b = coef(fm), Sigma = vcov(fm), Terms = 3:4)
    

    关注R小盐,关注科研私家菜(VX_GZH: SciPrivate),有问题请联系R小盐。让我们一起来学习 R语言机器学习与临床预测模型

    相关文章

      网友评论

        本文标题:R语言机器学习与临床预测模型19--生存分析之Fine-Gray

        本文链接:https://www.haomeiwen.com/subject/ungualtx.html