연약한 모델에서 예측 된 생존자 곡선을 생성하는 방법 (R coxph 사용)?

[생존 패키지 사용] 약한 용어로 Cox 비례 위험 모델의 예상 생존자 함수를 계산하려고합니다. 연약한 항이 모형에 있으면 예측 생존자 함수를 계산할 수없는 것 같습니다.

## Example 
require(survival)
data(rats)

## Create fake weight
set.seed(90989)
rats$weight<-runif(nrow(rats),0.2,0.9)

## Cox model with gamma frailty on litter
fit <- coxph(Surv(time, status) ~ rx+weight+frailty(litter,dist="gamma"),
data = rats) 

## Compute survival curve from the cox model for rx=0 and weight=0.5 kg
plot(survfit(fit, newdata=data.frame(rx=0,weight=0.5)),xlab = "time",
ylab="Survival") 

## Running this line, I get following error message:
Error in survfit.coxph(fit, newdata = data.frame(rx = 0, weight = 0.5)) : 
Newdata cannot be used when a model has sparse frailty terms

sparse=TRUE, Sparse =FALSE, sparse =0, sparse=5옵션 을 사용하여 희소 및 비 희소 계산 방법을 모두 사용해 보았습니다 . 그러나 아무도 효과가 없었습니다.

연약한 모형을 기반으로 예측 생존 곡선을 어떻게 계산합니까?

여기서 문제는 선형 혼합 효과 모델에서 결과를 예측하려고 할 때와 동일합니다. 생존 곡선은 접을 수 없으므로 예제의 각 쓰레기에는 적합 모델에 따라 쓰레기 특정 생존 곡선이 있습니다. 아는 것처럼 연약함은 공통적 인 수준의 혼란과 예후 변수가 각각의 쓰레기에 고유 한 것으로 보이는 임의의 절편과 동일하며 아마도 유전 적 특성에 대한 것으로 보인다. 따라서 위험 비율에 대한 선형 예측 변수는 관측 된 고정 효과와 임의 쓰레기 효과의 혼합입니다. 혼합 모형과 달리 Cox 모형은 불완전한 회귀에 적합 coxph-penal하지 않은 모형에 적합하며 적합 된 객체는 클래스 이며에 대한 방법이 없으므로 survreg.coxph-penal선형 예측 변수를 만들려는 시도가 실패합니다. 몇 가지 해결 방법이 있습니다.

1. 중심 공변량을 사용하여 한계 모델을 맞 춥니 다.

2. 공변량의 중심을 맞추고 1을 맞춘 다음 랜덤 효과를 사용하여 랜덤 효과 모델을 피팅하고, 임의의 효과를 coxme추출하여 선형 예측기에 추가하여 각 쓰레기에 대한 지층 특정 생존 곡선을 계산합니다.

3. 한계 모델을 맞추는 별도의 접근 방식으로 모든 생존 곡선을 평균하여 2를 수행하고 한계를 정합니다.

4. 한계 콕스 모델에서 고정 효과 또는 지층을 사용하여 각 쓰레기에 대한 다른 생존 곡선을 예측하십시오.