«cox-model» 태그된 질문

내 이해는 점이다 위험 비 콕스 비례 위험 모델에서이 기준 그룹에 소정의 위험 인자 율에 미치는 영향을 비교한다. 통계를 모르는 잠재 고객에게 어떻게보고 하시겠습니까? 예를 표현해 봅시다. 소파를 사기 전에 얼마나 오래 연구했는지 사람들을 등록한다고 가정 해 봅시다. 우리는 3 년에 오른쪽 검열을합니다. 이 예에서는 고양이를 소유하고 있는지 여부와 상관없이 …

13 survival  cox-model 

을 사용하여 모델 튜닝을 수행 caret했지만 gbm패키지를 사용하여 모델을 다시 실행했습니다 . caret패키지가 사용 gbm하고 출력이 동일해야한다는 것을 이해합니다 . 그러나 data(iris)RMSE와 R ^ 2를 평가 지표로 사용하면 약 5 %의 모델에서 불일치가 발생합니다. 부분 종속성 플롯을 사용 하기 위해 최적의 모델 성능을 찾고 caret싶지만 다시 실행 하고 싶습니다 gbm. …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

[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 = …

13 r  survival  cox-model  frailty 

시간 의존적 콕스 모델에서 기준 위험 함수 를 추정해야합니다.λ0(t)λ0(t)\lambda_0(t) λ(t)=λ0(t)exp(Z(t)′β)λ(t)=λ0(t)exp⁡(Z(t)′β)\lambda(t) = \lambda_0(t) \exp(Z(t)'\beta) Survival 과정을 수강하는 동안 Breslow 추정기가 단계 함수를 제공하기 때문에 누적 위험 함수 ( ) 의 직접 파생물은 좋은 추정량이 아니라는 것을 기억합니다.λ0(t)dt=dΛ0(t)λ0(t)dt=dΛ0(t)\lambda_0(t) dt = d\Lambda_0(t) 그래서 R에 직접 사용할 수있는 기능이 있습니까? 또는이 주제에 대한 참조가 …

13 r  survival  cox-model 

올바른 검열을 받고 비례 위험과 일정한 기준 위험으로 일부 분포를 따르는 완구 생존 (이벤트 시간) 데이터를 작성하려고합니다. 다음과 같이 데이터를 만들었지 만 Cox 비례 위험 모델을 시뮬레이션 된 데이터에 적용한 후 실제 값에 가까운 예상 위험 비율을 얻을 수 없습니다. 내가 뭘 잘못 했어? R 코드 : library(survival) #set parameters …

12 survival  cox-model  monte-carlo 

피셔의 정확한 테스트를 더 잘 이해하고 싶기 때문에 f와 m이 남성과 여성에 해당하고 n과 y가 "소다 소비"에 해당하는 다음 장난감 예제를 고안했습니다. > soda_gender f m n 0 5 y 5 0 분명히 이것은 과감한 단순화이지만 컨텍스트가 방해되는 것을 원하지 않았습니다. 여기서 나는 남자들이 음료수를 마시지 않고 여자들은 음료수를 마시고 …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

변수가 많은 Cox 비례 위험 모델에서 Schoenfeld 잔차가 변수 중 하나에 대해 평평하지 않은 경우 전체 모형이 무효화되거나 실적이 저조한 변수 만 무시 될 수 있습니까? 즉, 다른 변수에 대한 계수는 해석하지만 성능이 좋지 않은 변수에 대한 결과 계수는 해석하지 않습니다. Schoenfeld 잔차가 평평하지 않은 모델을 처리하는 몇 가지 표준 …

11 residuals  cox-model  schoenfeld-residuals 

다음 Cox PH 모델이 있습니다. (시간, 이벤트) ~ X + Y + Z 내가 예측 위험 좀하고 싶습니다 요금 (내가 위험 비율에 대해 이야기하고 하지 의 특정 값을 주어 위험 비율) X, Y, Z. muhaz R 패키지 가 관측 된 위험률을 계산할 수 있다는 것을 알고 있지만 예측 모델에 관심이 …

11 r  survival  hazard  cox-model 

RCT에서 입원 기간 (LOS) 데이터를 분석하는 최적의 방법에 대한 합의가 있는지 여부에 관심이 있습니다. 이것은 일반적으로 오른쪽으로 치우친 분포로 대부분의 환자는 며칠에서 일주일 이내에 퇴원하지만 나머지 환자는 예측할 수없는 (때로는 꽤 긴) 체류 기간이있어 분포의 오른쪽 꼬리를 형성합니다. 분석 옵션은 다음과 같습니다. t 테스트 (존재하지 않을 것으로 가정) 맨 휘트니 …

11 t-test  power  skewness  cox-model  logrank 

사건 발생 시간 생존 데이터의 Cox 비례 위험 모델링을 수행 할 때 성향 스코어 가중치 (IPTW)와 관련하여 : 대부분의 경우 환자가 이미 기준선에서 복용하고있는 약물의 치료 효과를 살펴 보는 데 관심이있는 예상 레지스트리 데이터가 있습니다. 따라서 데이터를 가장 잘 분석하는 방법을 잘 모르겠습니다. 잠재적으로, 기준 변수 중 일부는 치료에 의해 …

11 r  survival  cox-model  propensity-scores 

나는 생존 분석에 익숙하지 않으며 최근에 특정 목표가 주어지면 그것을 수행하는 다른 방법이 있다는 것을 배웠습니다. 이러한 방법의 실제 구현 및 적절성에 관심이 있습니다. 나는 시간, 상태 및 기타 의료 데이터를 고려하여 환자의 생존을 얻는 방법으로 전통적인 콕스 비례 위험 , 가속 장애 시간 모델 및 신경망 (다층 퍼셉트론)을 제시했습니다. …

10 r  machine-learning  survival  neural-networks  cox-model 

문맥 R의 coxph ()가 주제 (또는 원하는 경우 환자 / 고객)에 대한 반복 입력을 허용하고 처리하는 방법을 이해하려고합니다. 어떤 사람들은 이것을 Long 형식이라고 부르고 어떤 사람들은 이것을 '반복 된 측정치'라고 부릅니다. 예를 들어 다음의 답변 섹션에 ID 열이 포함 된 데이터 세트를 참조하십시오. 시변 공변량이있는 Cox 모델을위한 최상의 패키지 또한 …

10 r  repeated-measures  survival  cox-model  frailty 

로지스틱 회귀 분석에서 승산 비 2는 예측 변수의 1 단위 증가로 인해 사건이 2 배 더 가능성이 높다는 것을 의미합니다. 콕스 회귀 분석에서 위험률 2는 예측 변수가 1 단위 증가 할 때 각 시점에서 이벤트가 두 배 더 자주 발생 함을 의미합니다. 이것들은 실제로 같은 것이 아닌가? 로지스틱 회귀의 승산 …

10 logistic  cox-model  odds-ratio  hazard 

이것은 여러 번 나온 예제 일뿐이므로 샘플 데이터가 없습니다. R에서 선형 회귀 모델 실행 : a.lm = lm(Y ~ x1 + x2) x1연속 변수입니다. x2범주 형이며 "낮음", "중간"및 "높음"의 세 가지 값이 있습니다. 그러나 R이 제공하는 출력은 다음과 같습니다. summary(a.lm) Estimate Std. Error t value Pr(>|t|) (Intercept) 0.521 0.20 1.446 …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

R에서는 암 환자의 생존 데이터 분석을하고 있습니다. CrossValidated 및 기타 장소에서 생존 분석에 대해 매우 유용한 내용을 읽었으며 Cox 회귀 결과를 해석하는 방법을 이해했다고 생각합니다. 그러나 하나의 결과로 여전히 버그가 발생합니다 ... 생존과 성별을 비교하고 있습니다. Kaplan-Meier 곡선은 여성 환자에게 유리합니다 (추가 한 범례가 올바른지 여러 번 확인했습니다. 최대 생존률이 …

9 r  survival  cox-model  kaplan-meier