r - 使用时间相关系数和样条从 coxph 对象绘制估计的 HR

Question

在 coxph 的情况下，我想将估计的风险比绘制为时间的函数具有基于样条项的时间相关系数的模型。我使用函数 tt 创建了时间相关系数，类似于这个直接来自 ?coxph 的例子:

# Fit a time transform model using current age
cox = coxph(Surv(time, status) ~ ph.ecog + tt(age), data=lung,
     tt=function(x,t,...) pspline(x + t/365.25))

调用 survfit(cox)导致 survfit 的错误不理解带 tt 的模型术语 ( as described in 2011 by Terry Therneau )。
您可以使用 cox$linear.predictors 提取线性预测器，但我需要以某种方式提取年龄和不那么琐碎的时间。因为 tt在事件时间拆分数据集，我不能只将输入数据帧的列与 coxph 匹配输出。此外，我真的很想绘制估计函数本身，而不仅仅是对观察到的数据点的预测。
有 a related question这里涉及样条，但不涉及 tt .
编辑 (7/7)
我仍然坚持这一点。我一直在深入研究这个对象:

spline.obj = pspline(lung$age)
str(spline.obj)

# something that looks very useful, but I am not sure what it is
# cbase appears to be the cardinal knots
attr(spline.obj, "printfun")

function (coef, var, var2, df, history, cbase = c(43.3, 47.6, 
51.9, 56.2, 60.5, 64.8, 69.1, 73.4, 77.7, 82, 86.3, 90.6)) 
{
    test1 <- coxph.wtest(var, coef)$test
    xmat <- cbind(1, cbase)
    xsig <- coxph.wtest(var, xmat)$solve
    cmat <- coxph.wtest(t(xmat) %*% xsig, t(xsig))$solve[2, ]
    linear <- sum(cmat * coef)
    lvar1 <- c(cmat %*% var %*% cmat)
    lvar2 <- c(cmat %*% var2 %*% cmat)
    test2 <- linear^2/lvar1
    cmat <- rbind(c(linear, sqrt(lvar1), sqrt(lvar2), test2, 
        1, 1 - pchisq(test2, 1)), c(NA, NA, NA, test1 - test2, 
        df - 1, 1 - pchisq(test1 - test2, max(0.5, df - 1))))
    dimnames(cmat) <- list(c("linear", "nonlin"), NULL)
    nn <- nrow(history$thetas)
    if (length(nn)) 
        theta <- history$thetas[nn, 1]
    else theta <- history$theta
    list(coef = cmat, history = paste("Theta=", format(theta)))
}

所以，我有结，但我仍然不确定如何结合 coxph系数与结，以便实际绘制函数。任何线索都非常感谢。

Answer 1

我认为可以通过使用 pspline 生成输入矩阵来生成您需要的内容和矩阵乘以来自 coxph 的相关系数输出。要获得 HR，您需要取指数。

IE。

output <- data.frame(Age = seq(min(lung$age) + min(lung$time) / 365.25,
                               max(lung$age + lung$time / 365.25),
                               0.01))
output$HR <- exp(pspline(output$Age) %*% cox$coefficients[-1] -
                 sum(cox$means[-1] * cox$coefficients[-1]))
library("ggplot2")
ggplot(output, aes(x = Age, y = HR)) + geom_line()

请注意，此处的年龄是感兴趣时的年龄(即基线年龄和自研究开始后耗时之和)。它必须使用指定的范围来匹配原始模型中的参数。也可以使用 x 来计算使用 x = TRUE 的输出如图所示:

cox <- coxph(Surv(time, status) ~ ph.ecog + tt(age), data=lung,
             tt=function(x,t,...) pspline(x + t/365.25), x = TRUE)
index <- as.numeric(unlist(lapply(strsplit(rownames(cox$x), "\\."), "[", 1)))
ages <- lung$age[index]
output2 <- data.frame(Age = ages + cox$y[, 1] / 365.25,
                      HR = exp(cox$x[, -1] %*% cox$coefficients[-1] -
                               sum(cox$means[-1] * cox$coefficients[-1])))