[英]Running Cox.ph model with GAMM mixed models in R
我是使用GAM和样条曲线的新手。 我正在运行一个生存模型,在该模型中,我想用两个变量控制的受试者年龄来模拟事件发生时间。 这是使用带有coxph的常规生存模型的示例:
library(survival)
fit_cox<-coxph(Surv(time, event)~ age+ var1 + var2, data=mydata)
我怀疑var1和var2与结果之间的关系不是线性的,而且我想我可以在模型中包括随机效应(移至混合效应模型gamm)。 我已经尝试过这种语法:
library(mgcv)
fit_surv<-Surv(time, event)
fit_gam<-gam(fit_surv ~ age + s(var1) + s(var2), data = mydata, family = cox.ph())
并包括随机效果:
library(gamm4)
fit_gamm <- gamm4(fit_surv ~ age + s(var1) + s(var2), random = ~(1 | ID), data = mydata, family = cox.ph)
我的问题是:1.在fit_gam中,我不知道如何对该模型进行总结以及如何查看系数表并绘制模型。 这个错误传给我:
summary(fit_gam)
“ Ops.Surv(w,object $ y)中的错误:生存时间上的无效操作”
先感谢您!
如评论中所述,可以在mgcv::gam
调用中直接指定简单的高斯脆弱性(高斯随机截距),例如,通过在mgcv::gam
添加... + s(ID, bs = "re") + ...
(请注意, ID
必须是一个因子变量)。
或者,您可以将数据转换为所谓的分段指数数据(PED)格式,并使用任何GA(M)M软件拟合模型,然后将其称为分段指数可加混合模型(PAMM) 。 这是一个例子:
library(coxme)
library(mgcv)
library(pammtools)
lung <- lung %>% mutate(inst = as.factor(inst)) %>% na.omit()
## cox model with gaussian frailty
cme <- coxme(Surv(time, status) ~ ph.ecog + (1|inst), data=lung)
## pamm with gaussian frailty
ped <- lung %>% as_ped(Surv(time, status)~., id="id")
pam <- gam(ped_status ~ s(tend) + ph.ecog + s(inst, bs = "re"),
data = ped, family = poisson(), offset = offset)
## visualize random effect:
gg_re(pam)
# compare coxme and pamm estimates:
re <- tidy_re(pam)
plot(cme$frail$inst, re$fit, las=1, xlab="Frailty (cox)", ylab="Frailty (PAM)")
abline(0, 1)
## with gamm4
library(gamm4)
#> Loading required package: Matrix
#> Loading required package: lme4
#>
#> Attaching package: 'lme4'
#> The following object is masked from 'package:nlme':
#>
#> lmList
#> This is gamm4 0.2-5
pam2 <- gamm4(ped_status ~ s(tend) + ph.ecog, random = ~(1|inst),
family = poisson(), offset = ped$offset, data = ped)
lattice::qqmath(ranef(pam2$mer)$inst[, 1])
由reprex软件包 (v0.2.1)创建于2018-12-08
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.