Die Cox-Regression proportionaler Gefahren ist eine semiparametrische Methode zur Überlebensanalyse. Es muss keine Verteilungsform angenommen werden, nur dass der Effekt einer Erhöhung einer Kovariate um eine Einheit ein konstantes Vielfaches ist.
Ich habe das Mäusepaket untersucht und noch keine Möglichkeit gefunden, die mehreren Imputationen zu verwenden, um ein Cox-Modell zu erstellen und dieses Modell dann mit der Funktion des Effektivpakets zu validieren validate(). Hier ist ein Beispielcode von dem, was ich bisher habe, unter Verwendung des Datensatzes veteran: library(rms) library(survival) library(mice) …
Ich hoffe, jemand kann mir helfen, mit welchem Modell (Gebrechlichkeit, Schicht oder Cluster) ich meine Daten verwenden soll. Ich habe Daten gepaart, daher muss ich dies bei der Modellierung des Cox PH berücksichtigen und bin mir nicht sicher, welches Modell mir ein genaueres Ergebnis liefert. In meiner Studie ging es …
Ich habe eine Frage, die ich der Community stellen möchte. Ich wurde kürzlich gebeten, statistische Analysen für eine Tumormarker-Prognosestudie bereitzustellen . Ich habe hauptsächlich diese beiden Referenzen verwendet, um meine Analyse zu leiten: McShane LM et al. Berichtsempfehlungen für prognostische Tumormarker-Studien (BEMERKUNG). J Natl Cancer Inst. 2005 Aug 17; 97 …
Dies ist ein Problem, das mich seit langem geplagt hat und in Lehrbüchern, Google oder Stack Exchange keine guten Antworten gefunden hat. Ich habe einen Datensatz von> 100.000 Patienten, für die vier Behandlungen verglichen werden. Die Forschungsfrage ist, ob das Überleben zwischen diesen Behandlungen unterschiedlich ist, nachdem eine Reihe klinischer …
Ich weiß nicht, wie man zeitabhängige Kovariaten in R für die Verwendung der Cox-Regression erzeugt. Ich weiß, dass Sie Ihren Datensatz in Intervallen zwischen Ereigniszeiten neu organisieren müssen. Ich glaube, ich kann das mit den herumschwebenden Tutorials machen. Danach stecke ich allerdings fest. Was jetzt? Für jede Kovariate muss ich …
Ich versuche, ein Überlebensmodell mit dem Weibull-Ansatz zu erstellen, aber die Falte ist, dass ich zeitlich variierende Kovariaten habe. Ich verwende das Überlebenspaket in R. Mein Anruf lautet: output <- survreg(Surv(start, stop, fail) ~ gdppc + [...] + cluster(name), data = mydata, dist="weibull") was den folgenden Fehler ergibt: Error in …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.