使用 R 包“survival”和“rms”校准 Cox PH 模型：時間單位混淆

Question

我使用 R 包“rms”構建了 Cox Proportional Hazards 模型，並嘗試對其進行交叉驗證。 將數據分成訓練集和測試集是我想做的，但我是生存分析的新手，除了 rms::calibrate 之外，在文獻中找不到任何東西。 我無法讓它工作。

這是代碼：

# using the package 'survival', I make a survival object with
# follow-up time (2000 to 2020) and status (event=1, survival/censoring 0)
surv2 <- Surv(grid3@data$def_mean, grid3@data$status)
d <- datadist(grid3@data) # stores distribution summaries for potential variables??
options(datadist = "d") # seems to help cph() refer to variables
model <- cph(surv2 ~ cost_mean + elev_mean + popn_mean + cop99 + PAs_mean,
                 data = grid3@data, x = TRUE, y = TRUE, surv = TRUE, time.inc=1)
modrms <- rms::calibrate(model, B = 40, u = 1)

'time.inc' 是時間增量 (1yr) - 查看 model$surv.summary，我可以看到生存和 '不。 20 年中每一年的風險數據。 所以這是有道理的。 但是調用 rms::calibrate 我得到的第一條消息是Using Cox survival estimates at 1 Days ......並查看我得到的校准：

> summary(attr(modrms,"predicted"))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
      1       1       1       1       1       1 

...所以看起來模型已經校准了 1 天？ 當然，每個人都活了下來（1=100%）……使用rms::calibrate(model, B = 40, u = 20)發生同樣的事情。

我再次嘗試開始：

units(grid3@data$def_mean) <- "year"
surv3 <- Surv(grid3@data$def_mean, grid3@data$status)

...但這給了我一個錯誤！

Error in Ops.units(time, origin) : 
  both operands of the expression should be "units" objects

我不知道接下來要嘗試什么。 如果我能用 2000-10 年的數據建立一個模型，用它來預測 2010-20 年，並查看預測與實際，那不是很好嗎？ 但是我堅持校准，並且文檔假設了比我更多的統計專業知識（大學統計數據加上努力提高我的數學）。

這是數據結構（不知道如何使其可重現）：

> str(grid3@data)
'data.frame':   36918 obs. of  7 variables:
 $ def_mean  : num  20 20 20 20 20 20 20 20 20 20 ...
 $ status    : num  0 0 0 0 0 0 0 0 0 0 ...
 $ elev_mean : num  -0.664 -0.664 -0.664 -0.664 -0.664 ...
 $ popn_mean : num  -0.1658 0.0664 -0.1484 0.0601 -0.0381 ...
 $ cost_mean : num  1.53 1.48 1.43 1.66 1.6 ...
 $ PAs_mean  : num  0 0 0 0 0 0 0 0 0 0 ...
 $ cop99     : Factor w/ 12 levels "10","20","30",..: 5 5 5 5 5 5 5 5 5 5 ...

> summary(grid3@data$def_mean)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   3.20   20.00   20.00   19.59   20.00   20.00

> table(grid3@data$status)

    0     1 
34696  2222

Answer 1

rms包在某些方面可能具有陡峭的學習曲線。 您已經了解到有時會遺漏的一件事：使用datadist()匯總預測變量的重要性，然后設置datadist選項（使用datadist對象的字符名稱）以便匯總函數具有合理的默認選擇用於展示。

關於第二個錯誤，我想知道您是否可能沒有在更改時間單位后重新運行datadist()命令並重置datadist選項。 rms相關的Hmisc包中的units()和label()函數可能非常有用，但是如果您在使用它們后不重新運行和重置datadist()我懷疑事情會混淆下游的軟件。 如果您在一個地方指定一個單位，它可能會期望在另一個地方使用相同的單位。

但是，這些命令不進行任何轉換。 默認假設是時間單位是“天”，因此這就是默認情況下在輸出中打印的內容。 如果將“單位”更改為“年”，打印輸出將顯示“年”而不是“日”，但基礎計算不會改變。

因此，盡管calibrate()最初聲稱在“1 天”進行計算，但事實並非如此； 那只是它的默認打印單位。 它仍然在time = 1進行校准。 在如此早的時間進行校准可能不是您想要的。

我依稀記得如果原始cph()調用中的time.inc設置與calibrate()調用中的u設置不匹配， time.inc出現一些問題。 我通常的做法是知道我想要校准的時間點（例如，某些類型癌症數據的 3 年生存率）並將其用於這兩種設置。 玩一下玩具數據集，看看如何讓它適合你。

最后， calibrate()最好與plot()一起使用來顯示校准曲線（理想的、建模的、由引導程序校正的樂觀）。 如果您嘗試print() calibrate對象，則可能會出現故障。 標准圖上顯示的值是正確的。