如何預測R中Cox回歸模型的生存時間？

Question

我使用Cox回歸建模了一個問題，現在想要預測一個人的估計生存時間。 該模型具有生存時間所依賴的協變量列表。 這告訴我們如何計算P（T> t），它基本上是給定個體的生存函數（1-CDF）。

我想預測一些略有不同的東西。 鑒於已使用的協變量的值，我想預測該人居住的估計天數。 據我所知，這類似於pdf的抽樣。 如何使用R中的生存包來完成此操作？ 以下是使用Cox回歸模型的擬合概要。

Call:
coxph(formula = Surv(Time, death) ~ variable1 + variable2 + variable3 + 
variable4 + variable5 + variable6 + variable7 + variable8 + variable9, 
data = DataTest, method = "breslow")

n= 23756, number of events= 23756 

          coef exp(coef) se(coef)      z Pr(>|z|)    
variable1  0.02494   1.02526  0.02375  1.050  0.29354    
variable2 -0.20715   0.81290  0.02395 -8.650  < 2e-16 ***
variable3  0.12940   1.13814  0.02263  5.717 1.08e-08 ***
variable4  0.02469   1.02500  0.02289  1.079  0.28077    
variable5  0.13165   1.14070  0.02235  5.891 3.84e-09 ***
variable6  0.22286   1.24965  0.01534 14.526  < 2e-16 ***
variable7 -0.10513   0.90021  0.02035 -5.167 2.38e-07 ***
variable8  -0.12215   0.88501  0.02243 -5.447 5.13e-08 ***
variable9  -0.04930   0.95189  0.01827 -2.698  0.00697 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

      exp(coef) exp(-coef) lower .95 upper .95
variable1    1.0253     0.9754    0.9786    1.0741
variable2    0.8129     1.2302    0.7756    0.8520
variable3    1.1381     0.8786    1.0888    1.1898
variable4    1.0250     0.9756    0.9800    1.0720
variable5    1.1407     0.8767    1.0918    1.1918
variable6    1.2496     0.8002    1.2126    1.2878
variable7    0.9002     1.1109    0.8650    0.9368
variable8    0.8850     1.1299    0.8470    0.9248
variable9    0.9519     1.0505    0.9184    0.9866

Concordance= 0.543  (se = 0.002 )
Rsquare= 0.022   (max possible= 1 )
Likelihood ratio test= 516.5  on 9 df,   p=0
Wald test            = 503.1  on 9 df,   p=0
Score (logrank) test = 505.1  on 9 df,   p=0

Answer 1

由於生存數據的審查性質，計算中位生存時間而不是平均預期生存時間通常更有用。 通過運行以下內容，您可以非常輕松地恢復數據中每個人的中位生存時間：

survfit(cox.ph.model,newdata= DataTest)

Answer 2

我不認為您可以使用Cox比例風險模型估算單次觀察的存活時間。 該模型輸出風險比作為輸出，非常適合理解協變量對生存的影響，因為它沒有對基線危險函數做出任何假設。 如果你想估計一次觀察的存活時間，你最好使用Weibull或Exponential這樣的分布，這將允許你這樣做，哪些是生存包的一部分。

謝謝，