分层 Cox 模型的生存分析 over survfit.

Question

我有一个分层Cox模型，并希望基于该模型预测特定配置文件的生存曲线。

现在，由于我正在使用大型数据集和许多层，我只想为非常特定的层进行预测，以节省时间和内存。

survfit.coxph 的帮助页面指出：... 如果newdata包含分层变量，则结果将根据原始模型的指定分层包含newdata的每一行的一个曲线。

当我运行下面的代码时，其中newdata确实包含分层变量，我仍然会得到两个层的预测，这与帮助页面相矛盾。

df <- data.frame(X1 = runif(200),
             X2 = sample(c("A", "B"), 200, replace = TRUE),
             Ev = sample(c(0,1), 200, replace = TRUE),
             Time = rexp(200))

testfit <- coxph( Surv(Time, Ev) ~ X1 + strata(X2), df)

out <- survfit(testfit, newdata = data.frame(X1 = 0.6, X2 = "A"))

我是否在这里看漏或理解有误？

- Dries

Answer 1

一些可能有帮助的评论：

• 我的示例不够大（而且我似乎没有很好地阅读相关的github帖子，但那是在我发布问题后），如果newdata至少有两行（当然还有分层变量），则仅为所请求的分层返回预测

• survfit.coxph内部存在一种低效率，在原始数据集中为每个层计算基线风险，而不仅仅是为所请求的层计算（请参见我对同一GitHub帖子的贡献）。但是，这似乎不是一个大问题（在约五十万观察值，50％事件和1000层的数据集上进行测试，只需要不到一分钟）

• 问题出现在计算过程中的某个内存分配位置（在上面的示例中，一旦我想要针对100个观察值进行预测 - 每个观察值都是1层 - 事情就会崩溃，而80个预测结果的最终输出仅为几MB）

• 我的解决方法：

  • 选择您想要进行预测的所有观察值
  • 使用lp <- predict(..., type='lp')获取所有这些观察值的线性预测器
  • 仅对第一个观察进行survfit：survfit(fit, newdata = expand_grid(newdf, strat = strata_list))
  • 将结果存储在数据框中（或不存储，取决于您）
  • 要计算其他观察结果的预测生存率，请使用PH假设（请参见下面的公式）。这只会调用一次survfit.coxph的开销，并且如果您专注于仅几个时间点上的生存率（例如5年和10年），则可以进一步减少计算机时间。

- Dries

Answer 2

我不确定这是survival:::survfit.coxph中的一个错误还是一个特性。看起来代码中预期的行为是只返回请求的分层。在该函数中：

• strata(X2)在包含newdata和结果A的环境中进行评估并返回。
• 然后创建完整曲线。
• 然后有一些逻辑将曲线拆分成分层，但仅当result$surv是矩阵时才会这样做。

在您的示例中，它不是矩阵。如果这不是错误，则找不到任何关于预期使用的文档。也许值得给作者/维护者留言。

maintainer("survival")
# [1] "Terry M Therneau <[e-mail]>"

- CSJCampbell

---

同时，我在survival的github上找到了一个类似的问题，证实这是一个bug。 - Dries

感谢您在 GitHub 上的贡献！ - Dries